- •Модуль 5. Развитие регрессионной модели
- •5.1. Мультиколлинеарность
- •5.2. Проверка значимости исключенных и добавленных переменных
- •5.3. Линейные регрессионные модели с переменной структурой (фиктивные переменные)
- •Пример 5.1
- •Конец примера
- •5.4. Проверка гипотезы о совпадении уравнений регрессии для отдельных групп наблюдений (критерий Чоу)
- •Лабораторная работа № 5.4. Фиктивные переменные
- •Выполнение
- •5.5. Нелинейная регрессия
- •Пример 5.2.
- •5.5.1. Подбор линеаризующего преобразования (подход Бокса – Кокса)
- •5. Вопросы
5.5.1. Подбор линеаризующего преобразования (подход Бокса – Кокса)
Мы рассмотрели ряд основных подходов к улучшению статистического качества модели. До сих пор мы говорили лишь о линейной регрессионной модели, однако, нередко связь между экономическими переменными существенно нелинейна. Предположим, что для некоторой модели линейная спецификация не дала приемлемых результатов, и из анализа различных статистик и графиков мы установили, что связь переменных нелинейна. Это означает, что нужно оценить уравнение нелинейной регрессии.
В случае, когда вид модели неизвестен, можно воспользоваться подходом Бокса – Кокса, позволяющим выбрать тип линеаризующей зависимости. Г. Бокс и Д. Кокс (Англия) предложили процедуру, основанную на предположении, что искомое преобразование принадлежит определенному однопараметрическому семейству преобразования вида , а,i=1, … ,n– объем выборки;j=1, … ,m– число объясняющих переменных. В этом случае оценивается зависимость видадля преобразованных переменных. Задача регрессионного анализа состоит не только в оценке неизвестных параметров модели0,1, … m, дисперсии ошибок2 , но и в подборе наилучшего показателя полиномиальной зависимости. Эта задача решается не привычным методом наименьших квадратов, аметодом максимального правдоподобия.
5. Вопросы
Когда необходимо выведение из рассмотрения незначимых объясняющих переменных и добавление новых переменных?
В каких случаях осуществляется разбиение временного интервала на части и оценка исходной или новой формулы регрессии на каждой из них?
Когда необходимо преобразование исходных данных с целью устранения их нежелательных свойств?
В каких случаях осуществляется построение нелинейных спецификаций уравнения регрессии с последующей их линеаризацией?
Объясните явление мультиколлинеарности. Что такое совершенная мультиколлинеарность?
Как устранить мультиколлинеарность?
Как линеаризовать производственную функцию Кобба-Дугласа? Для чего это необходимо?
Какие проблемы спецификации ошибок возникают при линеаризации уравнения регрессии?
Какие значения принимают фиктивные переменные?
В чем состоит подход Бокса-Кокса?