визначити, який метод оцінювання краще. Так, якщо одну і ту ж модель оцінити, наприклад, звичайним методом найменших квадратів і за допомогою випадкового ефекту, то об'єднаний коефіцієнт детермінації в першому випадку завжди буде більше відповідного об'єднаного коефіцієнта для другого методу, навіть якщо більш адекватним є використання випадкового ефекту. Проте, коефіцієнти детермінації можна застосовувати для порівняння моделей, що відрізняються набором регресорів і оцінюваних одним і тим же методом. Для вибору типу моделі по панельним даними поряд із змістовним аналізом використовують тест Хаусмана, який заснований на порівнянні оцінок параметрів, отриманих за моделями з фіксованими і випадковими ефектами. p align="justify"> Оцінку параметрів моделей панельних даних можна, звичайно, провести за допомогою стандартних пакетів статистичного аналізу (ППП Statistica, SPSS, Statgraphics, МS Ехсе1), але при цьому необхідно здійснювати перетворення даних і коректування статистик для перевірки гіпотез. Тому для обробки панельних даних доцільно використовувати пакет Stagraphics, в якому за допомогою певних команд можна знайти оцінки параметрів, здійснити перевірку різних гіпотез. Крім того, пакет Statgraphics має досить гнучку пакетну обробку даних, тобто програмування всієї послідовності команд, починаючи від завантаження даних в пам'ять і аж до всіх деталей аналізу. p align="justify"> Формування панелі необхідно починати з визначення об'єктів спостереження, а також ознак, якими дані об'єкти характеризуються в просторі і в часі. Для моделювання вартості житла на основі панельних даних в якості об'єктів спостереження спочатку розглянемо тільки одне-, двох-і трикімнатні квартири, в якості часу-квартал. В якості факторів, що впливають на вартість житла, відібрані наступні:
- середня площа (житлова) для об'єкта i в момент часу t, м2;
- середня площа кухні для об'єкта i в момент часу t, м2;
- середня площа (додаткова), яка являє собою різницю між загальною площею, житловою площею та площею кухні, для об'єкта i в момент часу t, м2.
У даному випадку специфікація моделі обрана, виходячи з припущення про те, що кожен фактор змінює вартість квартири на певний відсоток, а не на певну величину. З останнього випливає, що параметри моделі повинні бути коефіцієнта-ми еластичності. Тому для моделювання вартості житла доцільніше використовувати ступеневу функцію. Як відомо, перехід до логарифмічною формі дозволяє привести таку модель до лінійного вигляду. p align="justify"> Досліджуємо модель з фіксованими ефектами:
,
де - індивідуальні ефекти;
В
і модель з випадковими ефектами:
,
де - випадкове відхилення;
В В
Результати дослідження моделей з фіксованими і випадковими ефектами представлені в таблиці 2.
Таблиця 2
