- •1. Основні теоретичні положення регресійного аналізу
- •1.1. Кореляційна залежність
- •1.2. Основні математичні поняття,
- •1.3. Передумови використання
- •2. Парний регресійний аналіз
- •2.1. Лінійна парна регресія
- •2.2. Властивості оцінок
- •2.3. Лінійний коефіцієнт кореляції
- •2.4. Коефіцієнт детермінації
- •2.5. Оцінка значущості рівняння регресії
- •2.6. Прогноз залежної змінної.
- •2.7. Приклад 1.
- •2.8. Нелінійна парна регресія
- •2.9. Дослідження нелінійних рівнянь
- •2.10. Приклад 2.
- •2.11. Побудова функції парної регресії
- •2.12. Побудова графіку функції
- •2.13. Питання для самоперевірки
- •3. Багатофакторний регресійний аналіз
- •3.1. Класична нормальна лінійна модель
- •3.2. Коефіцієнти детермінації і кореляції.
- •3.3. Перевірка значущості параметрів
- •3.4. Прогноз залежної змінної
- •3.5. Приклад 3. Знаходження двофакторної моделі
- •3.6. Використання пакету анализ данных
- •3.7. Використання Excel для розрахунку
- •Введення і підготовка даних
- •4. Мультиколінеарність
- •4.1. Поняття і наслідки мультиколінеарності
- •4.2. Алгоритм Фаррара – Глобера
- •4.3. Приклад 4.
- •4.5. Питання для самоперевірки
- •5. Гетероскедастичність
- •5.1. Поняття гетероскедастичності
- •5.2. Виявлення гетероскедастичності.
- •5.3. Приклад 5. Дослідження даних
- •5.4. Виявлення гетероскедастичності.
- •5.5. Приклад 6. Дослідження даних
- •5.6. Непараметричний тест Гольдфельда-Квандта
- •5.7. Питання для самоперевірки
- •6. Автокореляція
- •6.1. Поняття автокореляції.
- •6.2. Критерій Дарбіна-Уотсона
- •6.3. Приклад 7. Дослідження моделі на наявність
- •6.4. Питання для самоперевірки
- •7. Індивідуальні комплексні завдання
- •Завдання 2
- •Завдання 3
- •Завдання 4
- •Завдання 5
- •Предметний покажчик
- •Література
- •Коефіцієнтів автокореляції залишків
- •Критичні значення і для коефіцієнта автокореляції залишків критерія Дарбіна-Уотсона для
- •Критичні значення і для коефіцієнта автокореляції залишків критерія Дарбіна-Уотсона для
- •Значення критерія Пірсона
- •Квантилі розподілу Стьюдента
- •83050, М. Донецьк, вул. Щорса, 31.
- •83023, М. Донецьк, вул. Харитонова, 10
5.3. Приклад 5. Дослідження даних
на наявність гетероскедастичності
за тестом Гольдфельда-Квандта
Приклад 5. Дослідити незалежні змінні – рівень рентабельності та затрати капіталу – на наявність гетероскедастичності за тестом Гольдфельда-Квандта. Необхідні дані наведено в таблиці.
Таблиця 5.1
,ум. од. |
62 |
64 |
66 |
67 |
70 |
78 |
80 |
87 |
89 |
90 |
100 |
, % |
10,7 |
10,9 |
11,0 |
11,1 |
11,3 |
12,2 |
12,4 |
14,1 |
14,2 |
14,5 |
15,1 |
,ум.од. |
38 |
35 |
30 |
29 |
31 |
28 |
26 |
23 |
21 |
20 |
20 |
Розв’язання.
Крок 1-й. Впорядковуємо дані спостереження відповідно до зростання значень змінної , яка може вважатися більш важливою (див. табл.5.2 ).
Крок 2-й. Відкидаємо спостережень,
,
що знаходяться в центрі впорядкованої сукупності (див. табл.5.2 ).
Таблиця 5.2
|
|
|
|
|
|
|
1 |
62 |
10,7 |
38 |
61,968 |
0,032 |
1,01E-03 |
2 |
64 |
10,9 |
35 |
64,040 |
-0,040 |
1,57E-03 |
3 |
66 |
11,0 |
30 |
66,048 |
-0,048 |
2,27E-03 |
4 |
67 |
11,1 |
29 |
66,944 |
0,056 |
3,09E-03 |
5 |
70 |
11,3 |
31 |
|
|
|
6 |
76 |
12,2 |
28 |
|
|
|
7 |
78 |
12,4 |
26 |
|
|
|
8 |
87 |
14,1 |
23 |
87,445 |
-0,445 |
1,98E-01 |
9 |
89 |
14,2 |
21 |
87,665 |
1,335 |
1,78E-00 |
10 |
90 |
14,5 |
20 |
91,261 |
-1,261 |
1,59E-00 |
11 |
100 |
15,1 |
20 |
99,629 |
0,371 |
1,38E-01 |
Крок 3-й. На основі 1МНК будуємо дві економетричні моделі.
Перша модель.
.
Параметри моделі знаходяться з матричного рівняння (3.1.6)
,
де
, , ,
– матриця транспонована до .
Згідно з оператором оцінювання обчислюємо
, ,
, .
Отже, перша економетрична модель багатофакторної регресії запишеться так
.
Друга модель
знаходиться аналогічно:
, , ,
, ,
, .
Отже, друга економетрична модель багатофакторної регресії запишеться так
.
Крок 4-й. Обчислюємо суму квадратів залишків для першої і другої моделей:
, .
Крок 5-й. Обчислюємо значення статистики
.
Крок 6-й. При
.
Так як , то гіпотеза про гомоскедастичність залишків відхиляється. В такому випадку можливі два шляхи усунення негативних наслідків гетероскедастичності:
1) змінити специфікацію моделі так, щоб нова специфікація була вільна від гетероскедастичності;
2) провести оцінювання за методом Ейткена, що буде продемонстровано в наступних розділах.