finance seminar

בדיקת הקשרים הקיימים בין התל"ג למדדS&P גישת2002 עד 1960 בשנים :

Errorקואינטגרציה במסגרת מודל Correction

עבודת גמר לקראת התואר

A..Bבמדעי הרוח, התמחות במימון

בקריה האקדמית

מחבר

אורי ברמן

בראודה ארז: מנחה

mailto:[email protected]?subject=%D7%A2%D7%91%D7%95%D7%93%D7%AA%20%D7%9E%D7%97%D7%A7%D7%A8

תוכן העניינים

2.............................................................................................................................מבוא.1

2.................................................................................................וחשיבותו המחקר מטרת1.1

2...................................................................................................................מתודולוגיה.2

2...............................................................................................................והכלים המדגם2.1

4.......................................................................................................הממצאים הצגת.3

4........................................................................................................יחידתי שורש מבחני3.14...............................................................................................................מטרה3.1.14.....................................................................................................כלים לבדיקה3.1.25..............................................................................................................מסקנה3.1.3

6........................................................................................................קואינטגרציה מבחני3.26...............................................................................................................מטרה3.2.16.........................................................................................כלים לבדיקה ויישומם3.2.27..............................................................................................................מסקנה3.2.3

VEC............................................................................................................7יצירת מודל 3.37...............................................................................................................מטרה3.3.17.........................................................................................כלים לבדיקה ויישומם3.3.28..............................................................................................................מסקנה3.3.3

9.........................................................................................................מבחני קשר והובלה3.49...............................................................................................................מטרה3.4.19.........................................................................................כלים לבדיקה ויישומם3.4.2

S&P................................................................................................10-ל Consentהקשר בין 10..........................................................................................................מסקנות3.4.3

11..............................................................................................................דיון וסיכום.4

12...........................................................................................................מקורות רשימת.5

14......................................................................................................................נספחים.6

14............................................סימולציה באמצעות המשתנים התפתחות בחינת' – א נספח6.1LAGS...............................................................................17 1המודל ל- משוואות6.1.1

18...................................................................................... שוניםLAGSבדיקת המודל עם 6.2LAGS.............................................................................................18מודל ללא 6.2.1

.......................................................................................................................................18LAGS..........................................................................................18 11מודל עם 6.2.2

................................................................................................................................................18LAGS..........................................................................................19 13מודל עם 6.2.3LAGS..........................................................................................19 15מודל עם 6.2.4

VEC.......................................................................................................20 מודל בניית' – ב נספחLAGS..........................................................................................20 13מודל עם 6.2.5

23........................................................................................קואינטגרציה מבחני' - ג נספח6.323..................................................................................בדיקת רגישות המבחנים6.3.124......................................................וקבוע משתנה עם לינארי קואינטגרציה מבחן6.3.2

ADF..................................................................................................25 מבחני' - ד נספח6.46.4.1Consent...........................................................................................256.4.2Persav................................................................................................286.4.3SDNP...................................................................................................316.4.4GDP..............................................................................................................38

Granger Casuality............................................................................42 מבחני –נספח ה' 6.5

מבוא.1

מטרת המחקר וחשיבותו1.1

משוואות, שתי של במערכת והמשק ההון שוק של אמידה מציגה זו עבודה

שבה נעשה שימוש היא גישה של קואינטגרציה במודל של הכשהמתודולוגי Vector

Error Correction (VEC)המרמזת כי המשתנים הנכללים במשוואות קשורים ביניהם ,

קשר ארוך טווח, וכל סטייה שלהם משווי המשקל תגרור בתקופות שלאחריה "תיקון

טעות" בהתאם לעוצמת הסטייה.

העבודה בוחנת את קיומו של קשר קואינטגרטיבי בין ארבעה משתנים: התל"ג, מדד

פרוסיםS&P 500ה- המדגם נתוני כאשר הפרטי והחיסכון הצרכנים, אמון מדד ,

על-פני ארבעה עשורים.

מבין המסקנות העיקריות שעולות מעבודה זו ניתן לציין כי נתוני המדגם אכן תומכים

בקיומו של קשר קואינטגרטיבי בין ארבעת המשתנים.

מתודולוגיה.2

והכליםהמדגם2.1

בכדי לספק קרקע פורייה ליצירת ובחינת המודל בחרנו בשוק האמריקאי המאופיין

במספר רב של מקורות מידע אמינים.

, המחלקה לסטטיסטיקה של ארה"ב,NBERהמדגם כולל מספר סדרות שנלקחו מה-

BEA.ואוניברסיטת מישיגן

, הנתונים הנם ריאליים, אשר התקבלו או1960-2002טווח המדגם הנו בין השנים

נתונים לכל סדרה והוא מתחיל172חושבו על בסיס רבעוני. טווח המדגם על-כן הנו

.2002 ומסתיים ברבעון הרביעי של שנת 1960ברבעון הראשון של

46 מתוך 2עמוד עבודת גמר לתואר ראשון במימון

המשתנים האנדוגנים במודל הנם:

אינדיקאטור למצב הכלכלה–התל"ג

מדדS&P 500לשוק ההוןר - אינדיקאטו

המשתנים האקסוגניים במודל הנם:

3 אומד לכלכלה ולשוק ההון בטווח הקצר והבינוני (עד –מדד אמון הצרכנים

רבעונים).

אומד לשוק ההון ולכלכלה לכל טווח הזמנים. –החיסכון הפרטי

המשתנים הנכללים במערכת יסומנו באופן הבא:

SDNP – מדד S&P 500.

GDP – 1996 התל"ג במונחים אפקטיביים (לשנת(

CONSENT –) 100 = 1960 מדד אמון הצרכנים(

PERSAV – 1996 החיסכון הפרטי במונחים אפקטיביים (לשנת(

מהלך העבודה יכלול את השלבים הבאים:

מבחני –מציאת שורש יחידתי למשתנים ADF

מבחני קואינטגרציה– Johansen Cointegration Tests

יצירת מערכתVEC – Vector Error Correction

בדיקת מערכת לזעזועים

בניית מודל

סימולציה

.4.1 גרסה Eviewsכל השלבים יבוצעו בתוכנת


הממצאים הצגת.3

מבחני שורש יחידתי3.1

מטרה3.1.1

למצוא את רמת השורש היחידתי של כל-אחד מהמשתנים.

כלים לבדיקה3.1.2

אשר מרחיבים את המבחן המקורי שלAugmented Dickey Fullerנשתמש במבחני

Dickey Fuller-בכך שיאפשרו לנו לבדוק את ה Unit Root .לסדרה עיתית

הסדרה הנה מדרגה ראשונה, משמע הסדרה עולה, (1I, או (unit root 1אם לסדרה יש

בהפרשים קבועים, אם נריץ שוב את המבחן על סדרת ההפרשים נקבל סדרה נייחת

I(0).

, אזי הסדרה גדלה באופן בלתי קבוע.I(2), או Unit Root 2אם לסדרה יש

יישום הבדיקות3.1.2.1-מספר הLags 13 נקבע באופן אוטומאטי ע"י התוכנה מתוך Lags.

:הבדיקות התבצעו שלוש פעמים לכל רמה

o פעם ראשונה במצב שלTrend & Interceptהמניחה כי לסדרה יש

טרנד דטרמיניסטי או סטוכאסטי וקבוע.

o.הפעם השנייה היא שלסדרה יש קבוע

o .הפעם השלישית היא ללא קבוע או טרנד

ברמת נבצע בדיקת השערותLevels כאשר השערת האפס תהיההסדרהעל

. Unit Rootשלסדרה יש לכל הרמות

o אם השערת האחד תתקבל הסדרה הנה סדרה נייחת– No Unit Root.


o 1(נבצע בדיקת השערות ברמה ראשונה תתקבלאם השערת האפסst

difference.(

,לסדרה יש אם השערת האחד תתקבלUnit Root 1.

אם השערת האפס תתקבל, נבצע בדיקת השערות ברמה שנייה

)2nd difference(.

יש סדרה לאם השערת האחד תתקבל, הרי שUnit Root

2.

להלן.1תוצאות המבחנים מוצגות בלוח

לבחינת שורש יחידתי למשתניםADF - מבחני 1לוח

1st DifferenceLevelsVariablesNITINITI

Endogenous Variables-1.942-2.878-3.436-1.942-2.878-3.436F(5%)*-3.968

[2](13)**-4.245

[2](13)**-4.687

[13](13)**-0.847

(3)-1.504

(3)-3.551(6)

SDNP (LAGs)

-3.685(1)

-6.107(1)

-9.356(0)

6.552(1)

2.208(1)

-0.679(1)

GDP (LAGs)

Exogenous Variables-1.942-2.878-3.436-1.942-2.878-3.436F(5%)*

-21.621(0)

-21.629(0)

-21.578(0)

-0.002(1)

-1.486(1)

-2.096(1)

Persav (LAGs)

-14.564(0)

-14.523(0)

-14.478(0)

-0.625(0)

-2.916(0)

-2.950(0)

Consent (LAGs)

הערות: ת המוצגים בטבלה הנם קבועים לצורך נוחות, הסטייה המקסימאלי5%) * הערכים הקריטיים של 1

.0.002±מהערכים האמיתיים הנה ** במקרים אלו ערכי ה-2 (LAG-הגיעו למקסימום האפשרי של ה Autolagבמקרים אלו נערכו ,

, כולם עברו בהצלחה (ראה נספח ג') בסוגריים המרובעים [] מספרMaxlag=26מבחנים נוספים עם .Maxlag=26 עבור -Lagsהה-3 בשלב התקבלה האפס השערת כי מציינים באדום הסימונים (Levelsהבדיקה לפי ולכן

.I(0)הספציפית הסדרה הנה נייחת

מסקנה 3.1.3

למשתנים היחידתי השורש לגבי הממצאים כי עולה הנתונים ו-GDPמניתוח

PERSAV הנם כי יש שורש יחידתי I(1) הדבר אינו ברור עבור המשתנים .SDNP-ו

CONSENT.


Guisan1 גורס כי עדיף לנתח את נתוני השורש היחידתי לפי Nלפיכך לכל הסדרות יש ,

.1שורש יחידתי

קואינטגרציה מבחני3.2

מטרה3.2.1

. SDNP למדד ה-GDPלבחון את קיומם של קשרים ארוכי טווח בין ה-

ויישומםכלים לבדיקה3.2.2

. Eviewsנשתמש במבחני קואינטגרציה של יוהנסן שבתוכנת

Summary of all test(בכדי לזהות את הטרנד המתאים הרצנו את המקרה השישי

assumptions 1) למבחן עם Lag.בציון המשתנים האקסוגניים


תוצאות מבחני יוהנסן לבחירת טרנד לקואינטגרציה –2לוח

Data Trend:NoneNoneLinearLinearQuadraticRank orNo InterceptInterceptInterceptInterceptIntercept

No. of CEsNo TrendNo TrendNo TrendTrendTrend Selected (5% level) Number of Cointegrating Relations by Model (columns)

Trace01112Max-Eig01110

במספר אחד קואינטגרטיבי קשר שיש לראות ניתן שבלוח בנתונים מהסתכלות

מקומות. באפשרותנו לבחור מספר מצבים לבניית הקואינטגרציה, אנו החלטנו לבחור

במודל לינארי עם טרנד וקבוע מכיוון שהנחת היסוד שלנו תומכת ברעיון שלסדרה יש

טרנד סטוכאסטי.

למקרה השלישי, את תוצאות המבחן1LAGכשלב שני הרצנו מבחני קואינטגרציה עם

להלן.3ניתן בלוח

– תוצאות מבחן יוהנסן לקואינגרציה עם טרנד וקבוע3לוח

Unrestricted Cointegration Rank TestHypothesizedTrace5 Percent1 PercentNo. of CE(s)EigenvalueStatisticCritical ValueCritical Value

None 0.060789 11.04366 15.41 20.04At most 1 0.002245 0.382024 3.76 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level

1 Guisan, M. Carmen, Causality and cointegration between consumption and GDP in 25 OECD countries: Limitations of the cointegration approach (2001)


Trace test indicates no cointegration at both 5% and 1% levels

HypothesizedMax-Eigen5 Percent1 PercentNo. of CE(s)EigenvalueStatisticCritical ValueCritical Value

None 0.060789 10.66164 14.07 18.63At most 1 0.002245 0.382024 3.76 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels

אחת קואינטגרציה משוואת שיש לראות ניתן שבלוח, בתוצאות מהסתכלות

.1% , 5%המתקבלת ברמות מובהקות של

מסקנה3.2.3

הנתונים מצביעים על כך שיש משוואת קואינטגרציה אחת עם טרנד לינארי סטוכאסטי

.GDP ל-SDNPבין ה-

ל-SDNPהמקדם המנורמל של ה- GDP הנו גבוהה של4.611 - בשגיאה אפשרית

43.64%.

מכיוון שאין בידנו את הידע לבצע תיקונים לקואינטגרציה נשאירה כפי שהיא.

VECיצירת מודל 3.3

מטרה3.3.1

בחינת השפעת הקשרים הקואינגרטיביים על התנהגות המשתנים בטווח הקצר.

כלים לבדיקה ויישומם3.3.2

שיתבסס על תוצאות הקואינטגרציהVector Error Correctionאנו נשתמש במודל

שמצאנו.

.Eviewsלהלן תוצאות האמידה כפי שהתקבלו בתוכנת

VEC תוצאות הרצת – 4לוח

Sample(adjusted): 1960:3 2002:4 Included observations: 170 after adjusting Endpoints Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1GDP(-1) 1.000000

SDNP(-1)-4.611675 (0.43648)[-10.5656]


C-3883.340Error Correction:D(GDP)D(SDNP)

CointEq1 0.015184 0.014211 (0.00686) (0.00559)[ 2.21235][ 2.54365]

מסקנה3.3.3

תוצאות האמידה מראות כי מקדמי המשתנים הנם מובהקים.

"ייסחף" יותר בעת יציאהGDP, ה-SDNP מקדם מתוקן יותר גדול מה-GDPהיות ול-

משווי משקל.

. התוצאותVECבכדי לקבל את המשוואות המלאות לחיזוי בצענו בניית מודל מתוך ה-

מופיעות להלן.

LAG 1 לחיזוי ב-VECמשוואות מודל SDNP

D(SDNP) = 0.01421125309 * ( GDP(-1) - 4.611674951 * SDNP(-1) - 3883.339857 ) + 0.07337703127 * D(GDP(-1)) + 0.2581617779 * D(SDNP(-1)) - 24.60148863 + 0.4658968266 * CONSENT - 0.08426007401 * PERSAV

GDP

D(GDP) = 0.01518380668 * ( GDP(-1) - 4.611674951 * SDNP(-1) - 3883.339857 ) + 0.09160610748 * D(GDP(-1)) + 0.04776671781 * D(SDNP(-1)) - 123.7570141 + 1.923933604 * CONSENT - 0.03976462118 * PERSAV

תוצאות הסימולציה

בחנו את המודל באמצעות סימולציה על נתוני העבר (ראה נספח א').

הנה מקורבת היטב ואילו ה-GDPמצפייה בגרפים ניתן לראות שמשוואת החיזוי ל-

SDNP .עוקב בתנודתיות רבה אחרי הערכים האמיתיים

ה- בערכי מצפייה קיבלנו זאת לתופעה הרמהResidualsחיזוק את עוברים אשר

. GDP מאשר ב-SDNPהקריטית בצורה הרבה יותר חריפה ב-

השערתנו היא שיש לבצע תיקונים משככים במודל , לבדוק ולבצע סינון רעשים.


למען אותם נציין אך האלו התיקונים או הבדיקות לבצע את הידע בידנו את אין

הפרוטוקול.

עוצמת את ולמצוא הקואינטגרציה וקטור על אילוצים מבחני לבצע יש

האילוצים.

לבצע מבחניLAG Exclusion-בכדי למצוא את ה LAGהאופטימאלי להרצת

VECמודל ה-

יש לבצע בדיקת רעשים לבנים)Portmanteau Tests(-על ה VEC.

מבחני קשר והובלה3.4

מטרה3.4.1

מבחן זה מנסה להראות את כיוון ההשפעה של המשתנים ולנסות לנבא באמצעותם

את המשתנים האחרים.

כלים לבדיקה ויישומם3.4.2

במבחני נשתמש וההובלה הקשר זיהוי בתוכנתGrangerלצורך מיושמים אשר

Eviews.

.Y גורם למשתנה Xהמבחן מנסה לבדוק האם משתנה

יכול לחזות את עצמו על-סמך נתונים מהעבר.Yבשלב הראשון, המבחן בודק עד כמה

.Y יכולה לשפר את החיזוי של Lagged Xבשלב השני המבחן בודק איך הוספה של

Y יהיה Granger caused באמצעות X אם ,X עוזר בחיזוי Yאו לחלופין כאשר מקדמי

הנם מובהקים סטטיסטית.Lagged Xהמתאם עבור ה-

הוא התוצאה של Yלמותר לציין כי בדיקה זאת אינה בודקת כי Xואינה אינדיקטור

לקזואליות.


למשתני המודלGranger – תוצאות מבחני 5 לוח


LAG

רבעונים[[קדימה

XY

[Y CAUSE X]

1

SDNPGDPCONSENTSDNPGDPCONSENTSDNPGDPPERSAVGDPSDNPPERSAV

2

CONSENTSDNPGDPCONSENTSDNPGDPGDPPERSAVSDNPPERSAV

3

CONSENTSDNPGDPCONSENTGDPSDNPGDPPERSAVSDNPPERSAV

4

CONSENTSDNPGDPCONSENTGDPSDNPGDPPERSAVSDNPPERSAV

5

CONSENTSDNPGDPCONSENTGDPSDNPGDPPERSAVPERSAVSDNP

6

CONSENTSDNPGDPCONSENTGDPSDNPGDPPERSAVPERSAVSDNP

SDNP ל-GDPהקשר בין ה- מהרבעון הרביעי עד לשישיומהרבעון הראשון עד לשלישי GDP מוביל על ה-SDNPה-

.SDNP מוביל על ה-GDPה-

SDNP-ל Consentהקשר בין

מהרבעון השני עד לרבעון השישי.Consentהובלה של

ברבעון הראשון לא ברור הקשר בין המשתנים.


GDP ל-Consentהקשר שבין .1-6 לאורך כל הרבעונים GDPהובלה של ה-

PERSAV ל-GDPהקשר בין ה-.GDP ברבעון הראשון ומהרבעון השני עד השישי הובלה של ה-PERSAVהובלה של

PERSAV ל-SDNPהקשר בין על SDNPהובלה של PERSAVמהרבעון הראשון עד לרביעי ומהרבעון הרביעי עד

.SDNP על PERSAVלשישי הובלה של

מסקנות3.4.3

-ה של מובהקת ההובלה מהרבעוןGDPישנה החל החוזים המשתנים על .שלישיה


וסיכום דיון.4

בעבודה זאת נאמדה מערכת משוואות הבוחנת את הקשרים הקיימים בין ארבעת

ומדד אמון הצרכניםS&P 500, מדד GDPהמשתנים הבאים: ה- , החיסכון הפרטי

בארה"ב בארבעת העשורים האחרונים. בחינת האינטראקציה בין המשתנים נעשתה

. מסגרת זאת אפשרהVECעל-פי גישת הקואינטגרציה, במסגרת אמידת מערכת של

לבחון את השפעת הסטיות משווי משקל של הטווח הארוך על התפתחות המשתנים

בטווח הקצר.

להלן מספר מסקנות שעולות מהעבודה:

.נתוני המדגם תומכים בקיומו של קשר קואינטגרטיבי בין המשתנים

-מקדמי הקואינטגרציה מראים כי בעת יציאה משווי משקל הGDP"ייסחף"

(אם כי במידה מועטה).S&Pיותר מאשר ה-

מבחניGranger-הראו כי ה S&P-מוביל על ה GDP 1-3 בטווח הקצר (של בין

. S&P יוביל על ה-GDP רבעונים) ה-4-6רבעונים) ובטווח הארוך (


מקורות רשימת.5

מקורות ראשיים

דו"ח מחקר:

עד 1994). הביקוש לכסף בישראל בשנים 2003קליין, נ' ( . ירושלים: מחלקת2001

המחקר, בנק ישראל.

a research report:

Deren, U., (2002). The causality between financial development and

economic growth: the case of Turkey (Report No.3). Ankara: Research

department, the central bank of the republic of Turkey.

a research report:

Yamamoto, T., & Kurozumi, E., (2002). Tests for long-run Granger non-

causality in cointegrated systems. Japan: Department of economics,

Hototsubashi University.

a research report:

Stock, H. J. & Watson, W. M., (2001). Vector Autoregressions.

Massachusetts: National Bureau of Economic Research.

a research report:

Wen, Y., (2001). Granger causality and equilibrium business cycle theory.

USA: Department of economics, Cornell University.


a research report:

Guisan, M. C., (2001). Causality and cointegration between consumption and

GDP in 25 OECD countries: limitations of the cointegration approach. Spain:

University of Santiago de Compostela

מקורות משניים


נספחים.6

בחינת התפתחות המשתנים באמצעות סימולציה–נספח א' 6.1

נתונים לגבי הסימולציה סטוכאסטית–סוג הסימולציה פתרון דינאמי1000(איטראציות) חזרות 5%רמת מובהקות פתרון באמצעותGauss-Sidel

05

06

07

08

09

001

011

021

06 56 07 57 08 58 09 59 00

A c tua l Base line

CONSENT

0002

0003

0004

0005

0006

0007

0008

0009

00001

06 56 07 57 08 58 09 59 00

A c tua l GDP )Base line M ean (

GDP

0

001

002

003

004

005

06 56 07 57 08 58 09 59 00

A c tua l Base line

PERSAV

0

002

004

006

008

0001

0021

0041

0061

06 56 07 57 08 58 09 59 00

A c tua l SDNP )Base line M ean (

SDNP


03-

02-

01-

0

01

02

03

04

05

1 2 3 4 5 6 7 8 9 01

GDP SDNP

R esponse o f GDP to C ho leskyO ne S .D . Innova tions

0

5

01

51

02

52

03

53

04

1 2 3 4 5 6 7 8 9 01

GDP SDNP

R esponse o f SDNP to C ho leskyO ne S .D . Innova tions


001-

05-

0

05

001

051

06 56 07 57 08 58 09 59 00

GDP R es idua ls

061-

021-

08-

04-

0

04

08

021

061

06 56 07 57 08 58 09 59 00

SDNP R es idua ls


0002-

0061-

0021-

008-

004-

0

004

008

0021

0061

06 56 07 57 08 58 09 59 00

C o in teg ra ting re la tion 1

LAGS 1המודל ל- משוואות6.1.1

SDNP

D(SDNP) = 0.01421125309 * ( GDP(-1) - 4.611674951 * SDNP(-1) - 3883.339857 ) + 0.07337703127 * D(GDP(-1)) + 0.2581617779 * D(SDNP(-1)) - 24.60148863 + 0.4658968266 * CONSENT - 0.08426007401 * PERSAV

GDP

D(GDP) = 0.01518380668 * ( GDP(-1) - 4.611674951 * SDNP(-1) - 3883.339857 ) + 0.09160610748 * D(GDP(-1)) + 0.04776671781 * D(SDNP(-1)) - 123.7570141 + 1.923933604 * CONSENT - 0.03976462118 * PERSAV


שוניםLAGSבדיקת המודל עם 6.2

LAGSמודל ללא 6.2.1

05

06

07

08

09

001

011

021

06 56 07 57 08 58 09 59 00

A c tua l Base line

CONSENT

0002

0003

0004

0005

0006

0007

0008

0009

00001

06 56 07 57 08 58 09 59 00

A c tua l GDP )Base line M ean (

GDP

0

001

002

003

004

005

06 56 07 57 08 58 09 59 00

A c tua l Base line

PERSAV

004-

0

004

008

0021

0061

06 56 07 57 08 58 09 59 00

A c tua l SDNP )Base line M ean (

SDNP

LAGS 11מודל עם 6.2.2

05

06

07

08

09

001

011

021

06 56 07 57 08 58 09 59 00

A c tua l Base line

CONSENT

0002

0003

0004

0005

0006

0007

0008

0009

00001

06 56 07 57 08 58 09 59 00

A c tua l GDP )Base line (

GDP

0

001

002

003

004

005

06 56 07 57 08 58 09 59 00

A c tua l Base line

PERSAV

004-

0

004

008

0021

0061

06 56 07 57 08 58 09 59 00

A c tua l SDNP )Base line (

SDNP



05

06

07

08

09

001

011

021

06 56 07 57 08 58 09 59 00

A c tua l Base line

CONSENT

0002

0003

0004

0005

0006

0007

0008

0009

00001

06 56 07 57 08 58 09 59 00


GDP

0

001

002

003

004

005

06 56 07 57 08 58 09 59 00

A c tua l Base line

PERSAV

004-

0

004

008

0021

0061

06 56 07 57 08 58 09 59 00


SDNP


05

06

07

08

09

001

011

021

06 56 07 57 08 58 09 59 00

A c tua l Base line

CONSENT

0002

0003

0004

0005

0006

0007

0008

0009

00001

06 56 07 57 08 58 09 59 00


GDP

0

001

002

003

004

005

06 56 07 57 08 58 09 59 00

A c tua l Base line

PERSAV

0

004

008

0021

0061

0002

06 56 07 57 08 58 09 59 00


SDNP


VEC בניית מודל –נספח ב'


Vector Error Correction Estimates Date: 08/14/03 Time: 22:01 Sample(adjusted): 1963:3 2002:4 Included observations: 158 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1GDP(-1) 1.000000

SDNP(-1) 4.405716 (1.70420)[ 2.58522]

@TREND(60:1)-88.17252 (13.9143)[-6.33681]

C 1064.944Error Correction:D(GDP)D(SDNP)

CointEq1-0.022864-0.006639 (0.00546) (0.00404)[-4.18998][-1.64510]

D(GDP(-1))-0.023706 0.055874 (0.08418) (0.06225)[-0.28162][ 0.89757]

D(GDP(-2)) 0.015154-0.095132 (0.08121) (0.06006)[ 0.18660][-1.58406]

D(GDP(-3))-0.040692-0.034963 (0.07897) (0.05840)[-0.51528][-0.59870]

D(GDP(-4))-0.016466-0.027178 (0.07917) (0.05854)[-0.20800][-0.46424]

D(GDP(-5))-0.138094 0.006907 (0.07840) (0.05798)[-1.76146][ 0.11914]

D(GDP(-6))-0.026023-0.039147 (0.07874) (0.05823)[-0.33049][-0.67230]

D(GDP(-7))-0.084207 0.095052 (0.07781) (0.05754)[-1.08222][ 1.65190]


D(GDP(-8))-0.175703 0.070084 (0.07964) (0.05889)[-2.20631][ 1.19005]

D(GDP(-9)) 0.047827-0.100358 (0.08118) (0.06003)[ 0.58915][-1.67172]

D(GDP(-10)) 0.024272 0.085965 (0.08254) (0.06104)[ 0.29406][ 1.40835]

D(GDP(-11)) 0.052463-0.083952 (0.07875) (0.05824)[ 0.66620][-1.44159]

D(GDP(-12))-0.145645 0.071156 (0.07855) (0.05809)[-1.85421][ 1.22499]

D(GDP(-13))-0.071058 0.052545 (0.07925) (0.05861)[-0.89661][ 0.89656]

D(SDNP(-1)) 0.038407 0.196198 (0.11491) (0.08498)[ 0.33423][ 2.30883]

D(SDNP(-2)) 0.265108 0.019334 (0.11696) (0.08649)[ 2.26671][ 0.22354]

D(SDNP(-3)) 0.214146 0.239162 (0.11456) (0.08472)[ 1.86934][ 2.82311]

D(SDNP(-4)) 0.030769 0.159867 (0.12039) (0.08903)[ 0.25558][ 1.79567]

D(SDNP(-5))-0.126220 0.027871 (0.12028) (0.08895)[-1.04939][ 0.31334]

D(SDNP(-6))-0.022631 0.224158 (0.12314) (0.09106)[-0.18379][ 2.46161]

D(SDNP(-7)) 0.003733-0.073745 (0.12716) (0.09404)[ 0.02936][-0.78422]

D(SDNP(-8))-0.040228 0.016498 (0.13551) (0.10021)[-0.29687][ 0.16464]

D(SDNP(-9)) 0.059083 0.088344 (0.14219) (0.10515)[ 0.41551][ 0.84014]


D(SDNP(-10)) 0.095909-0.061638 (0.13758) (0.10174)[ 0.69713][-0.60584]

D(SDNP(-11)) 0.491568-0.292466 (0.14392) (0.10643)[ 3.41546][-2.74787]

D(SDNP(-12)) 0.190316 0.189019 (0.15111) (0.11175)[ 1.25947][ 1.69150]

D(SDNP(-13)) 0.219784-0.401170 (0.16852) (0.12462)[ 1.30422][-3.21914]

C-98.68998-34.99839 (28.6872) (21.2145)[-3.44020][-1.64974]

CONSENT 2.277323 0.520086 (0.35899) (0.26548)[ 6.34361][ 1.95904]

PERSAV-0.219642-0.045393 (0.07273) (0.05378)[-3.01997][-0.84397]

R-squared 0.509054 0.515835 Adj. R-squared 0.397824 0.406141 Sum sq. resids 156845.4 85774.47 S.E. equation 35.00507 25.88654 F-statistic 4.576597 4.702499 Log likelihood-769.3256-721.6459 Akaike AIC 10.11804 9.514505 Schwarz SC 10.69955 10.09601 Mean dependent 43.35316 5.257215 S.D. dependent 45.10965 33.59173

Determinant Residual Covariance

798008.5

Log Likelihood-1488.715 Log Likelihood (d.f. adjusted)-1521.985 Akaike Information Criteria 20.06310 Schwarz Criteria 21.28426


נספח ג' - מבחני קואינטגרציה6.3

בדיקת רגישות המבחנים6.3.1

Date: 08/14/03 Time: 22:03Sample: 1960:1 2002:4Included observations: 158Series: GDP SDNP Exogenous series: CONSENT PERSAV Warning: Rank Test critical values derived assuming no exogenous seriesLags interval: 1 to 13

Data Trend:NoneNoneLinearLinearQuadraticRank orNo InterceptInterceptInterceptInterceptIntercept

No. of CEsNo TrendNo TrendNo TrendTrendTrend Selected (5% level) Number of

Cointegrating Relations by Model (columns)

Trace01112Max-Eig01110

Log Likelihood by Rank

(rows) and Model

(columns)0-1507.564-1507.564-1499.363-1499.363-1496.2081-1506.936-1489.581-1489.486-1488.715-1488.1572-1506.770-1488.953-1488.953-1484.334-1484.334

Akaike Information Criteria by

Rank (rows) and Model (columns)

0 19.74132 19.74132 19.66283 19.66283 19.648211 19.78400 19.57697* 19.58843 19.59133 19.596922 19.83254 19.63232 19.63232 19.59916 19.59916

Schwarz Criteria by

Rank (rows) and Model (columns)

0 20.74926 20.74926 20.70954 20.70954 20.733681 20.86948 20.68184* 20.71268 20.73496 20.759932 20.99555 20.83410 20.83410 20.83970 20.83970


וקבוע משתנה עם לינארי קואינטגרציה מבחן6.3.2

Date: 08/14/03 Time: 22:02Sample(adjusted): 1963:3 2002:4Included observations: 158 after adjusting endpointsTrend assumption: Linear deterministic trend (restricted)Series: GDP SDNP Exogenous series: CONSENT PERSAV Warning: Critical values assume no exogenous seriesLags interval (in first differences): 1 to 13

Unrestricted Cointegration Rank TestHypothesizedTrace5 Percent1 PercentNo. of CE(s)EigenvalueStatisticCritical ValueCritical Value

None * 0.126095 30.05971 25.32 30.45At most 1 0.053957 8.763816 12.25 16.26

*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at the 5% level Trace test indicates no cointegration at the 1% level

HypothesizedMax-Eigen5 Percent1 PercentNo. of CE(s)EigenvalueStatisticCritical ValueCritical Value

None * 0.126095 21.29590 18.96 23.65At most 1 0.053957 8.763816 12.25 16.26

*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at the 5% level Max-eigenvalue test indicates no cointegration at the 1% level

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): GDPSDNP@TREND(60:2

)-0.001959-0.008633 0.172771 0.015706-0.031886-0.452536

Unrestricted Adjustment Coefficients (alpha): D(GDP) 11.66847-1.627376

D(SDNP) 3.387956 4.999968

1 Cointegrating Equation(s): Log likelihood-1488.715Normalized cointegrating coefficients (std.err. in parentheses)

GDPSDNP@TREND(60:2)

1.000000 4.405716-88.17252 (1.70420) (13.9143)

Adjustment coefficients (std.err. in parentheses)D(GDP)-0.022864

(0.00546)D(SDNP)-0.006639

(0.00404)


ADF נספח ד' - מבחני6.4

6.4.1Consent

1st Difference

Null Hypothesis: D(CONSENT) has a unit rootExogenous: Constant, Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*Augmented Dickey-Fuller test statistic-14.47850 0.0000

Test critical values:1% level-4.0129445% level-3.436475

10% level-3.142358*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(CONSENT,2)Method: Least SquaresDate: 08/14/03 Time: 12:48Sample(adjusted): 1960:3 2002:4Included observations: 170 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. D(CONSENT(-1))-1.1097710.076650-14.478500.0000

C-0.1089640.791509-0.1376660.8907@TREND(1960:1)0.0005190.0079580.0652000.9481

R-squared0.556672 Mean dependent var0.018824Adjusted R-squared0.551363 S.D. dependent var7.600054S.E. of regression5.090547 Akaike info criterion6.110137Sum squared resid4327.583 Schwarz criterion6.165475Log likelihood-516.3617 F-statistic104.8481Durbin-Watson stat1.978915 Prob(F-statistic)0.000000

1st Difference

Null Hypothesis: D(CONSENT) has a unit rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=13)







C-0.0640740.389310-0.1645850.8695R-squared0.556661 Mean dependent var0.018824Adjusted R-squared0.554022 S.D. dependent var7.600054S.E. of regression5.075439 Akaike info criterion6.098398Sum squared resid4327.693 Schwarz criterion6.135290Log likelihood-516.3638 F-statistic210.9421Durbin-Watson stat1.979093 Prob(F-statistic)0.000000

1st Difference

Null Hypothesis: D(CONSENT) has a unit rootExogenous: NoneLag Length: 0 (Automatic based on SIC, MAXLAG=13)






R-squared0.556589 Mean dependent var0.018824Adjusted R-squared0.556589 S.D. dependent var7.600054S.E. of regression5.060808 Akaike info criterion6.086795Sum squared resid4328.391 Schwarz criterion6.105240Log likelihood-516.3775 Durbin-Watson stat1.979150

LEVELS

Null Hypothesis: CONSENT has a unit rootExogenous: NoneLag Length: 0 (Automatic based on SIC, MAXLAG=13)




Augmented Dickey-Fuller Test EquationDependent Variable: D(CONSENT)Method: Least SquaresDate: 08/14/03 Time: 12:46


Sample(adjusted): 1960:2 2002:4Included observations: 171 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. CONSENT(-1)-0.0027440.004388-0.6252890.5326

R-squared0.001949 Mean dependent var-0.094737Adjusted R-squared0.001949 S.D. dependent var5.101698S.E. of regression5.096725 Akaike info criterion6.100904Sum squared resid4416.024 Schwarz criterion6.119277Log likelihood-520.6273 Durbin-Watson stat2.204427

LEVELS

Null Hypothesis: CONSENT has a unit rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=13)




Augmented Dickey-Fuller Test EquationDependent Variable: D(CONSENT)Method: Least SquaresDate: 08/14/03 Time: 12:45Sample(adjusted): 1960:2 2002:4Included observations: 171 after adjusting endpoints


C8.1060312.8375142.8567370.0048R-squared0.047924 Mean dependent var-0.094737Adjusted R-squared0.042290 S.D. dependent var5.101698S.E. of regression4.992657 Akaike info criterion6.065440Sum squared resid4212.599 Schwarz criterion6.102185Log likelihood-516.5951 F-statistic8.506834Durbin-Watson stat2.109727 Prob(F-statistic)0.004019

LEVELS

Null Hypothesis: CONSENT has a unit rootExogenous: Constant, Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG=13)




Augmented Dickey-Fuller Test EquationDependent Variable: D(CONSENT)


Method: Least SquaresDate: 08/14/03 Time: 12:44Sample(adjusted): 1960:2 2002:4Included observations: 171 after adjusting endpoints


C7.9147232.8667442.7608760.0064@TREND(1960:1)0.0041030.0077970.5262750.5994

R-squared0.049491 Mean dependent var-0.094737Adjusted R-squared0.038175 S.D. dependent var5.101698S.E. of regression5.003371 Akaike info criterion6.075489Sum squared resid4205.665 Schwarz criterion6.130606Log likelihood-516.4543 F-statistic4.373702Durbin-Watson stat2.109289 Prob(F-statistic)0.014071

6.4.2Persav

1st Difference

(PESAV) has a unit rootExogenous: Constant, Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG=13)




Augmented Dickey-Fuller Test EquationDependent Variable: D(PERSAV,2)Method: Least SquaresDate: 08/14/03 Time: 12:39Sample(adjusted): 1960:3 2002:4Included observations: 170 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. D(PERSAV(-1))-1.4720460.068218-21.578680.0000

C3.8929824.9270500.7901240.4306@TREND(1960:1)-0.0195470.049518-0.3947450.6935


1st Difference

Null Hypothesis: D(PERSAV) has a unit root


Exogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=13)






C2.2014362.4255980.9075850.3654R-squared0.735780 Mean dependent var0.042059Adjusted R-squared0.734208 S.D. dependent var61.29199S.E. of regression31.59912 Akaike info criterion9.755831Sum squared resid167748.8 Schwarz criterion9.792723Log likelihood-827.2456 F-statistic467.8344Durbin-Watson stat2.100297 Prob(F-statistic)0.000000

1st Difference

Null Hypothesis: D(PERSAV) has a unit rootExogenous: NoneLag Length: 0 (Automatic based on SIC, MAXLAG=13)







LEVELS


Null Hypothesis: PERSAV has a unit rootExogenous: NoneLag Length: 1 (Automatic based on SIC, MAXLAG=13)




Augmented Dickey-Fuller Test EquationDependent Variable: D(PERSAV)Method: Least SquaresDate: 08/14/03 Time: 12:30Sample(adjusted): 1960:3 2002:4Included observations: 170 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. PERSAV(-1)-2.50E-050.011255-0.0022170.9982

D(PERSAV(-1))-0.4689970.068566-6.8400300.0000R-squared0.218554 Mean dependent var1.509471Adjusted R-squared0.213902 S.D. dependent var35.72719S.E. of regression31.67649 Akaike info criterion9.760722Sum squared resid168571.2 Schwarz criterion9.797614Log likelihood-827.6614 Durbin-Watson stat2.094587

LEVELS

Null Hypothesis: PERSAV has a unit rootExogenous: ConstantLag Length: 1 (Automatic based on SIC, MAXLAG=13)





VariableCoefficientStd. Errort-StatisticProb. PERSAV(-1)-0.0317640.021368-1.4864960.1390

D(PERSAV(-1))-0.4568440.068510-6.6683120.0000C8.0479434.6163391.7433610.0831

R-squared0.232522 Mean dependent var1.509471Adjusted R-squared0.223330 S.D. dependent var35.72719S.E. of regression31.48597 Akaike info criterion9.754451Sum squared resid165558.2 Schwarz criterion9.809788Log likelihood-826.1283 F-statistic25.29784


Durbin-Watson stat2.090758 Prob(F-statistic)0.000000

LEVELS

Null Hypothesis: PERSAV has a unit rootExogenous: Constant, Linear TrendLag Length: 1 (Automatic based on SIC, MAXLAG=13)





VariableCoefficientStd. Errort-StatisticProb. PERSAV(-1)-0.0806320.038459-2.0965700.0375

D(PERSAV(-1))-0.4308170.070339-6.1248390.0000C5.3483374.9268571.0855470.2793

@TREND(1960:1)0.1351370.0885811.5255710.1290R-squared0.243133 Mean dependent var1.509471Adjusted R-squared0.229455 S.D. dependent var35.72719S.E. of regression31.36158 Akaike info criterion9.752292Sum squared resid163269.1 Schwarz criterion9.826076Log likelihood-824.9449 F-statistic17.77507Durbin-Watson stat2.069454 Prob(F-statistic)0.000000

6.4.3SDNP

Maxlag=26 מבחנים נוספים ל-

1st Difference

Null Hypothesis: D(SDNP) has a unit rootExogenous: ConstantLag Length: 2 (Automatic based on SIC, MAXLAG=26)




Augmented Dickey-Fuller Test EquationDependent Variable: D(SDNP,2)


Method: Least SquaresDate: 08/14/03 Time: 13:12Sample(adjusted): 1961:1 2002:4Included observations: 168 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. D(SDNP(-1))-0.3536350.105113-3.3643380.0010

D(SDNP(-1),2)-0.4790900.103855-4.6130800.0000D(SDNP(-2),2)-0.3994140.081619-4.8936490.0000


1st Difference

Null Hypothesis: D(SDNP) has a unit rootExogenous: Constant, Linear TrendLag Length: 13 (Automatic based on SIC, MAXLAG=26)




Augmented Dickey-Fuller Test EquationDependent Variable: D(SDNP,2)Method: Least SquaresDate: 08/14/03 Time: 13:11Sample(adjusted): 1963:4 2002:4Included observations: 157 after adjusting endpoints


D(SDNP(-1),2)0.1901130.2214720.8584040.3921D(SDNP(-2),2)0.2594550.2167271.1971480.2333D(SDNP(-3),2)0.4499560.2068222.1755760.0313D(SDNP(-4),2)0.6097420.2044542.9822910.0034D(SDNP(-5),2)0.6290730.2064403.0472450.0028D(SDNP(-6),2)0.8090030.2013554.0178020.0001D(SDNP(-7),2)0.7633180.2002103.8125750.0002D(SDNP(-8),2)0.7385710.1961383.7655720.0002D(SDNP(-9),2)0.8630160.1938964.4509300.0000

D(SDNP(-10),2)0.8895020.1934084.5991000.0000D(SDNP(-11),2)0.6315380.1809243.4906360.0006D(SDNP(-12),2)0.8343990.1480835.6346750.0000D(SDNP(-13),2)0.3856790.1116173.4553850.0007

C-6.6594755.278811-1.2615480.2092@TREND(1960:1)0.1450170.0640422.2643990.0251

R-squared0.638789 Mean dependent var0.117962Adjusted R-squared0.600362 S.D. dependent var40.71536S.E. of regression25.73898 Akaike info criterion9.430226Sum squared resid93411.84 Schwarz criterion9.741691


Log likelihood-724.2728 F-statistic16.62358Durbin-Watson stat2.046966 Prob(F-statistic)0.000000

1st Difference







D(SDNP(-1),2)-0.4790900.103855-4.6130800.0000D(SDNP(-2),2)-0.3994140.081619-4.8936490.0000


Maxlag=13 מבחנים רגילים

1st Difference

Null Hypothesis: D(SDNP) has a unit rootExogenous: Constant, Linear TrendLag Length: 13 (Automatic based on SIC, MAXLAG=13)





VariableCoefficientStd. Errort-StatisticProb.


D(SDNP(-1))-1.0716690.228620-4.6875480.0000D(SDNP(-1),2)0.1901130.2214720.8584040.3921D(SDNP(-2),2)0.2594550.2167271.1971480.2333D(SDNP(-3),2)0.4499560.2068222.1755760.0313D(SDNP(-4),2)0.6097420.2044542.9822910.0034D(SDNP(-5),2)0.6290730.2064403.0472450.0028D(SDNP(-6),2)0.8090030.2013554.0178020.0001D(SDNP(-7),2)0.7633180.2002103.8125750.0002D(SDNP(-8),2)0.7385710.1961383.7655720.0002D(SDNP(-9),2)0.8630160.1938964.4509300.0000


C-6.6594755.278811-1.2615480.2092@TREND(1960:1)0.1450170.0640422.2643990.0251


1st Difference







D(SDNP(-1),2)-0.1454100.166980-0.8708200.3853D(SDNP(-2),2)-0.0620760.166095-0.3737400.7092D(SDNP(-3),2)0.1530550.1622560.9432920.3471D(SDNP(-4),2)0.3171910.1607481.9732230.0504D(SDNP(-5),2)0.3299650.1609382.0502690.0422D(SDNP(-6),2)0.5176630.1571223.2946560.0012D(SDNP(-7),2)0.4756250.1569663.0301100.0029D(SDNP(-8),2)0.4686050.1579912.9660190.0035D(SDNP(-9),2)0.6312710.1670623.7786560.0002




1st Difference

Null Hypothesis: D(SDNP) has a unit rootExogenous: NoneLag Length: 13 (Automatic based on SIC, MAXLAG=13)






D(SDNP(-1),2)-0.2753430.147015-1.8728930.0631D(SDNP(-2),2)-0.1838180.148725-1.2359610.2185D(SDNP(-3),2)0.0435100.1481340.2937180.7694D(SDNP(-4),2)0.2113880.1475301.4328470.1541D(SDNP(-5),2)0.2234110.1475291.5143590.1321D(SDNP(-6),2)0.4145830.1442962.8731360.0047D(SDNP(-7),2)0.3730900.1442762.5859430.0107D(SDNP(-8),2)0.3714860.1468452.5297810.0125D(SDNP(-9),2)0.5465940.1594573.4278480.0008



LEVELS

Null Hypothesis: SDNP has a unit rootExogenous: NoneLag Length: 3 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*


Augmented Dickey-Fuller test statistic-0.847238 0.3476Test critical values:1% level-2.578799

5% level-1.94273310% level-1.615446

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test EquationDependent Variable: D(SDNP)Method: Least SquaresDate: 08/14/03 Time: 02:02Sample(adjusted): 1961:1 2002:4Included observations: 168 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. SDNP(-1)-0.0041980.004955-0.8472380.3981

D(SDNP(-1))0.1728610.0740342.3348810.0208D(SDNP(-2))0.0970000.0819651.1834380.2383D(SDNP(-3))0.4241090.0832715.0930860.0000


LEVELS

Null Hypothesis: SDNP has a unit rootExogenous: ConstantLag Length: 3 (Automatic based on SIC, MAXLAG=13)






D(SDNP(-1))0.1687500.0739172.2829510.0237D(SDNP(-2))0.0959310.0817691.1731910.2424D(SDNP(-3))0.4250420.0830725.1165670.0000


LEVELS


Null Hypothesis: SDNP has a unit rootExogenous: Constant, Linear TrendLag Length: 6 (Automatic based on SIC, MAXLAG=13)






D(SDNP(-1))0.1037260.0763711.3581780.1764D(SDNP(-2))0.0763600.0833260.9163990.3609D(SDNP(-3))0.3250760.0839323.8730650.0002D(SDNP(-4))0.1728350.0866311.9950610.0478D(SDNP(-5))-0.0215520.088021-0.2448500.8069D(SDNP(-6))0.3087590.0917563.3649880.0010

C-5.2375545.164917-1.0140640.3121@TREND(1960:1)0.1870520.0782992.3889320.0181


6.4.4GDP

1st Difference

Null Hypothesis: D(GDP) has a unit rootExogenous: Constant, Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG=13)




Augmented Dickey-Fuller Test EquationDependent Variable: D(GDP,2)Method: Least SquaresDate: 08/14/03 Time: 01:55Sample(adjusted): 1960:3 2002:4


Included observations: 170 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.

D(GDP(-1))-0.6875070.073476-9.3569050.0000C15.468656.5076592.3769920.0186


1st Difference

Null Hypothesis: D(GDP) has a unit rootExogenous: ConstantLag Length: 1 (Automatic based on SIC, MAXLAG=13)




Augmented Dickey-Fuller Test EquationDependent Variable: D(GDP,2)Method: Least SquaresDate: 08/14/03 Time: 01:55Sample(adjusted): 1960:4 2002:4Included observations: 169 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. D(GDP(-1))-0.5255970.086063-6.1071500.0000

D(GDP(-1),2)-0.1851340.076309-2.4261090.0163C22.383084.7696784.6927860.0000


1st Difference

Null Hypothesis: D(GDP) has a unit rootExogenous: NoneLag Length: 1 (Automatic based on SIC, MAXLAG=13)




Augmented Dickey-Fuller Test Equation


Dependent Variable: D(GDP,2)Method: Least SquaresDate: 08/14/03 Time: 01:53Sample(adjusted): 1960:4 2002:4Included observations: 169 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. D(GDP(-1))-0.2214280.060076-3.6857910.0003

D(GDP(-1),2)-0.3347100.073568-4.5496560.0000R-squared0.259067 Mean dependent var0.166864Adjusted R-squared0.254630 S.D. dependent var50.13039S.E. of regression43.27998 Akaike info criterion10.38502Sum squared resid312817.1 Schwarz criterion10.42206Log likelihood-875.5343 Durbin-Watson stat2.071451

LEVELS

Null Hypothesis: GDP has a unit rootExogenous: NoneLag Length: 1 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*Augmented Dickey-Fuller test statistic 6.552206 1.0000



Augmented Dickey-Fuller Test EquationDependent Variable: D(GDP)Method: Least SquaresDate: 08/14/03 Time: 01:53Sample(adjusted): 1960:3 2002:4Included observations: 170 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. GDP(-1)0.0051320.0007836.5522060.0000

D(GDP(-1))0.3177220.0738594.3017110.0000R-squared0.149213 Mean dependent var41.99412Adjusted R-squared0.144149 S.D. dependent var44.14090S.E. of regression40.83573 Akaike info criterion10.26869Sum squared resid280149.6 Schwarz criterion10.30558Log likelihood-870.8384 Durbin-Watson stat2.093468

LEVELS

Null Hypothesis: GDP has a unit rootExogenous: ConstantLag Length: 1 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*Augmented Dickey-Fuller test statistic 2.208706 0.9999



Augmented Dickey-Fuller Test Equation


Dependent Variable: D(GDP)Method: Least SquaresDate: 08/14/03 Time: 01:52Sample(adjusted): 1960:3 2002:4Included observations: 170 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. GDP(-1)0.0035870.0016242.2087060.0286

D(GDP(-1))0.3125780.0739724.2256290.0000C9.6977488.9315651.0857840.2791


LEVELS

Null Hypothesis: GDP has a unit rootExogenous: Constant, Linear TrendLag Length: 1 (Automatic based on SIC, MAXLAG=13)




Augmented Dickey-Fuller Test EquationDependent Variable: D(GDP)Method: Least SquaresDate: 08/14/03 Time: 01:35Sample(adjusted): 1960:3 2002:4Included observations: 170 after adjusting endpoints

VariableCoefficientStd. Errort-StatisticProb. GDP(-1)-0.0067570.009945-0.6794740.4978

D(GDP(-1))0.3188440.0741864.2979170.0000C27.9280819.460921.4350850.1531



Granger Casuality מבחני –נספח ה' 6.5

Pairwise Granger Causality TestsDate: 08/15/03 Time: 03:27Sample: 1960:1 2002:4Lags: 1

Null Hypothesis:ObsF-StatisticProbability SDNP does not Granger Cause GDP171 0.41198 0.52184

GDP does not Granger Cause SDNP 2.48724 0.11665 PERSAV does not Granger Cause GDP171 0.71661 0.39846

GDP does not Granger Cause PERSAV 4.68206 0.03189 CONSENT does not Granger Cause GDP171 18.5397 2.8E-05

GDP does not Granger Cause CONSENT 0.16823 0.68221 PERSAV does not Granger Cause SDNP171 3.73202 0.05506

SDNP does not Granger Cause PERSAV 0.38896 0.53369 CONSENT does not Granger Cause SDNP171 0.60885 0.43632

SDNP does not Granger Cause CONSENT 0.76237 0.38383 CONSENT does not Granger Cause PERSAV

171 0.88553 0.34804

PERSAV does not Granger Cause CONSENT 0.01782 0.89397


Null Hypothesis:ObsF-StatisticProbability GDP does not Granger Cause CONSENT170 0.79277 0.45430

CONSENT does not Granger Cause GDP 5.94518 0.00321 SDNP does not Granger Cause CONSENT170 5.86232 0.00347

CONSENT does not Granger Cause SDNP 0.86755 0.42189 PERSAV does not Granger Cause CONSENT

170 1.23125 0.29460

CONSENT does not Granger Cause PERSAV 0.66765 0.51429 SDNP does not Granger Cause GDP170 0.89126 0.41210


GDP does not Granger Cause PERSAV 0.73915 0.47909 PERSAV does not Granger Cause SDNP170 3.56157 0.03060

SDNP does not Granger Cause PERSAV 0.46357 0.62985





169 1.63383 0.18361










168 1.88177 0.11619









167 2.12568 0.06516










166 1.75948 0.11102






finance seminar

Documents