6
Швейцарія
7591414
74440
290.316
1229809.068
Табл. 1
Теоретичний розділ
При практичному проведенні регресійного аналіз моделі за допомогою МНК необхідно звертати увагу на проблеми, пов'язані з здійсненна властивостей випадкових відхилень моделі, тому що властивості оцінок коефіцієнтів регресії безпосередньо залежать від властивостей випадкового члена в рівнянні регресії. Для отримання якісних оцінок необхідно стежити за здійсненними передумов МНК (Умов Гаусса-Маркова), тому що при їх порушенні МНК може давати оцінки з поганими статистичними властивостями.
Однією з ключових передумов МНК є умова сталості дисперсій випадкових відхилень: тобто D (Оµ i ) = D (Оµ j ) = Пѓ 2 для будь-яких спостережень i і j. Здійснимість даної передумови називається гомоскедастічностью (постійністю дисперсії відхилень). Нездійсненність даної передумови називається гетероскедастичності (непостійністю дисперсій відхилень).
Наявність гетероскедастичності може призвести до зниження ефективності оцінок, отриманих за МНК, до зміщення дисперсій, до ненадійності інтервальних оцінок, одержуваних на основі відповідних t-і F-статистик. Таким чином, статистичні висновки, одержувані при стандартних перевірках якості оцінок, можуть бути помилковими і приводити до невірних висновки за побудованої моделі. Цілком імовірно, що стандартні помилки коефіцієнтів будуть занижені, а отже можна визнати статистично значущими коефіцієнти, які такими не є. Причиною гетероскедастичності можуть бути викиди (різко виділяються спостереження), помилки специфікації моделі, помилки в перетворенні даних, асиметрія розподілу будь-якої з пояснюють змінних. Найчастіше все, поява проблеми гетероскедастичності можна передбачати і спробувати усунути цей недолік ще на етапі специфікації. Проте зазвичай припадати вирішувати цю проблему вже після побудови рівняння регресії. Не існує якого-небудь однозначного методу визначення гетероскедастичності. Існує досить велика кількість тестів і критеріїв, найбільш популярними і наочними з яких є: графічний аналіз відхилень, тест рангової кореляції Спірмена, тест Парку, тест Глейзера, тест Голдфельда-Квандта і тест Уайта. Моя робота присвячена дослідженню поледніх двох тестів. p> Тест Уайта
Алгоритм цього тесту полягає в тому, що спершу оцінюється вихідна модель і визначаються залишки Оµ i , потім будується вспомогательно рівняння регресії і визначається його коефіцієнт детермінації, твір n * R ^ 2 порівнюється зі значенням П‡ ^ 2 - розподілу і робиться висновок про наявність чи про відсутність гетероскедастичності.
Тест Парку
Парк у свою чергу запропонував наступну функціональну залежність:...
