74Total panel (unbalanced) observations: 219VariableCoefficientStd. Errort-StatisticProb. SpecificationCross-section fixed (dummy variables) R-squared0.992154 Mean dependent var0.876736Adjusted R-squared0.988039 SD dependent var5.291824S.E. of regression0.578747 Akaike info criterion2.011934Sum squared resid47.89759 Schwarz criterion3.188051Log likelihood-144.3068 F-statistic241.1058Durbin-Watson stat2.345673 Prob (F-statistic) 0.000000 Command: (CX = R) IK CQ CKEquation: = C (1) + C (2) * Q + C (3) * CK + [CX = R] Coefficients: = 0.06754984617 + 0.2996573518 * Q + 0.09410951395 * CK + [CX = R]
Результати оцінок значно відрізняються для трьох моделей. Модель Pooled дає найбільш інтуїтивні результати. Моделі FE і RE підтверджують теорію Q-Тобіна. Причому якщо для RE показник ліквідності (Cash/K) залишився значущим на рівні 10,1% і знак оцінки коефіцієнта залишився позитивним, для FE результат більш сильний. p align="justify"> Отримані результати дозволяють поставити під сумнів теорію ліквідності (автори базових статей оцінювали тільки Pooled регресії, які можуть бути невірні).
Для початку порівняємо RE і FE.
Тест Хаусмана.
Correlated Random Effects - Hausman TestEquation: EQ2Test cross-section random effectsTest SummaryChi-Sq. StatisticChi-Sq. d.f.Prob. Cross-section random110.77272330.0000Cross-section random effects test comparisons: VariableFixed Random Var (Diff.) Prob.
Далі порівнюємо Pooled з FE і RE
RSS_pooled179.0905 RSS_FE47.89759 RSS_RE181.3188 FPvPooled Vs FE5.4405382.36311E-18Pooled Vs RE-0.03791
Порівняння Pooled Vs RE свідчить про їх еквівалентності, а значить потрібно вибирати Pooled як більш ефективну
Сравеніе Pooled Vs FE говорить про те, що Pooled недолугою, і потрібно вибрати FE
