ичний розділ
Аналіз моделей
Побудуємо модель залежності грошового агрегату M0 від ВВП (GNP) та індексу споживчих цін (CPI) у Республіки Білорусь за 2005-2006 роки по місяцях (дані в Додатку 1).
Спочатку перевіримо часові ряди на стаціонарність:
РядADF ТЕСТІтогСпеціфікаціяADF статістікаКрітіческая точкаGDPT ,1-2 ,28-3, 63I (1)? GDPC ,1-5 ,12-3, 01I (0) CPIT ,2-1 ,77-3, 64I (1)? CPIC ,1-3 .63-3,00 I (0) M0C ,1-1 ,58-3, 00I (1)? M0N ,0-4 ,52-1, 96I (0) Незважаючи на те, що ряди не стаціонарні, вони є інтегрованими одного порядку, тому ми можемо будувати по ним модель.
Модель побудована з нестаціонарних рядів, інтегрованих одного порядку, називається коінтегрірованной моделлю. Побудуємо коінтегрірованную модель і оцінимо її якість:
VariableCoefficientStd. Errort-StatisticProb.
R-squared = 0.803368Watson stat = 1.238616statistic = 42.89929 (F-statistic) = 0.000000
За побудованим даними видно, що P-ймовірність і t-статистика показують значимість коефіцієнтів моделі, включаючи вільний член. Коефіцієнт детермінації, F-статистика та її ймовірність вказують на статистичну значимість та адекватність побудованої моделі. p align="justify"> Тепер перейдемо до передумов порушення МНК. Почнемо зі статистки Дарбіна - Уотсона і тесту Бреуша - Годфрі на наявність автокореляції в моделі:
Breusch-Godfrey Serial Correlation LM Test: F-statistic2.917086 Probability0.103122Obs * R-squared3.054929 Probability0.080493
За статистикою Дарбіна - Уотсона неможливо зробити висновок про наявність автокореляції, однак тест Бреуша - Годфрі вказує на її присутність, отже, ми приймаємо гіпотезу про наявність автокореляції в даній моделі.
Тепер перейдемо до тесту Уайта і оцінимо дану модель на наявність гетероскедастичності:
White Heteroskedasticity Test: F-statistic2.023071 Probability0.123816Obs * R-squared8.634731 Probability0.124551
Тест Уайта вказує на відсутність в даній моделі гетероскедастичності.
Тепер перейдемо до аналізу випадкових відхилень в даній моделі: проведемо перевірку на стаціонарність і нормальний розподіл:
У першу чергу перевіримо залишки на стаціонарність за допомогою тесту ADF:
В
ADF Test Statistic-3.321477 1% Critical Value * -2.6700 5% Critical Value-1.9566 10% Critical Value-1.6235
Була взята специфікація N, 0. По даному тесту можна зробити висновок про те, що наявність стаціонарності випадкових відхилень даної моделі підтверджується. p align="justify"> Тепер подивимося на нормальний розподіл залишків за допомогою тесту Жака-Бера:
(JB) = 0,59
Тест Жака-бера...
