передбачає перевірку виконання 5 передумов методу найменших квадратів:
1) Випадковий характер залишків e i , i = 1, n;
2) Математичне сподівання обурення e i дорівнює нулю;
) Умова гомоскедастічності, тобто дисперсія помилок повинна бути постійною при різних спостереженнях;
) Відсутність автокореляції, тобто незалежність залишків;
) Обурення є нормально розподілена випадкова величина.
1. Перевірка випадкового характеру залишків.
Щоб побудувати графік залишків, потрібно увійти у вікно параметрів регресії і в рядку меню цього вікна вибрати View/Actual, Fitted, Residual/Actual, Fitted, Residual Table (рис 25).
В
Рис. 25. Графік залишків
Actual - початкове значення Y ;
Fitted - значення Y , обчислене за рівнянням регресії;
Residual - залишки.
З р видно, що залишки не мають ніякої закономірності і всі залишки (за винятком 3-х) не виходять за межі області. Тому можна сказати, що залишки мають випадковий характер, тобто досить добре апроксимує дослідні дані Y. p align="justify"> 2. Перевірка рівності нулю математичного сподівання.
Неравное нулю математичне сподівання дозволяє зробити висновок, що залежить від Х і що модель неадекватна. Рівність нулю порушується або через неправильну специфікації моделі (залежність не лінійна, а інша), або через порушення 3-ей передумови МНК (про постійному значенні дисперсії). p> Отримати значення математичного сподівання можна таким чином: у рядку меню вибираємо View/Residual Tests/Histogram-Normality Test (рис 26)
В
Рис. 26. Гістограма розподілу залишків
Значення математичного сподівання (Mean) = 4.88Е-15 дуже близько до нуля, тобто передумова E (U i ) = 0 виконується.
3. Перевірка на гомоскедастічность.
Рівність дисперсій збурень (помилок) регресії є істотною умовою лінійної класичної регресійної моделі множинної регресії. Властивість сталості дисперсій помилок регресії називається гомоскедастічностью. Однак на пра...
