r/>
Наведемо результати тесту з lag = 1:
В
з lag = 2:
В
з lag = 3:
В
Зробимо висновки про відсутності серійної кореляції, так як у всіх трьох випадках Obs * R-squared менше
В
а P-ймовірність статистики Бреуша-Годфрі більше рівня значущості
()
2) Скористаємося також тестом Дарбіна-Уотсона:
Наведемо значення статистики:
В
Значення критичних точок
при рівні значимості:
В
В
Робимо висновок про відсутності автокореляції, т.к. значення статистики DW в даному випадку близько до 2. br/>
Виконаємо перевірку регресійної моделі на мультиколінеарності.
Побудуємо кореляційну матрицю коефіцієнтів:
В
Знайдемо приватні коефіцієнти кореляції:
В
Робимо висновок про наявність високої залежності (коллинеарности) між змінними в кожному з трьох випадків. Отже в моделі присутня мультиколінеарності. Ця проблема надає певний вплив на якість моделі, проте її усунення не є обов'язковим етапом, тому перейдемо до подальшого дослідження якості регресійній моделі.
2. Дослідження проблеми гетероскедастичності за допомогою тестів Вайта, Бреуша-Пагана-Годфрі і Парку
Переходимо безпосередньо до основної теми курсвой - перевіряємо модель на наявність гетероскедастичності. Для цього спочатку проведемо тест Вайта і оцінимо його результати:
В В В
В
В
Т.к. значення P-ймовірності в обох випадках тесту Уайта (no cross terms/cross terms) менше рівня значущості
() і Obs *
R-squared перевищує
В
то приймаємо гіпотезу про наявності гетероскедастичності в моделі.
Додатково можна використовувати графічний аналіз ряду залишків, який підтверджує висновок про наявності гетероскедастичності, тому що графік має викиди і не вкладається в смугу постійної ширини, паралельну осі ОХ (-1000000,1000000).
В
Таким чином, у цій моделі ми маємо дві проблеми - мультиколінеарності і гетероскедастичності, в зв'язку з чим не можна довіряти статистичним висновків і оцінок якості регресійній моделі. Продовжимо подальший аналіз моделі з допомогою тесту Парку. Даний тест не передбачає особливої вЂ‹вЂ‹свободи вибору і ми будуємо три регресійні моделі натуральних логарифмів залишків базової моделі на натуральні логарифми кожної пояснюватиме змінної окремо. p> Уявімо допоміжну модель 1 тесту Парку:
Запишемо рівняння допоміжної моделі 1:
В
В
Де:
POPUL2 = ln (Population ^ 2)
BIRTH2 = ln (birth).
Оцінимо значимість коефіцієнтів рівняння регресії. Для цього оцінимо t-статистику:
В
Знайдемо критичне значення t-статистики на рівні значущості
()
В В
Після проведеного тесту можна зробити висновок про наявність гетероскедастичності по змінної Birth в наслід...
