ий розподіл випадкових відхилень в даній моделі.
Аналізуючи дану модель можна зробити наступний висновок:
по P-ймовірності та t-статистикою коефіцієнти даної моделі є статистично значущими, виключаючи коефіцієнти при ВВП і ВВП у першому лагу, також статистично значущою є і сама модель за коефіцієнтом детермінації, F-статистикою та її ймовірності ;
переходячи до передумов порушення МНК, можна відзначити, що в даній моделі відсутній як гетероскедастичності, так і автокорреляция, що вказує на ефективність і Незміщеність оцінок даної моделі;
залишки в даній моделі є стаціонарними і мають нормальний розподіл, що є досить важливою умовою побудови якісної моделі.
Так як в моделі незначущими виявилися коефіцієнти при ВВП і ВВП у першому лагу спробуємо побудувати модель в перших лагах без даних показників і оцінимо її якість:
VariableCoefficientStd. Errort-StatisticProb. Mean dependent var1966.091Adjusted R-squared0.950173 SD dependent var464.8887S.E. of regression103.7721 Akaike info criterion12.27904Sum squared resid204604.2 Schwarz criterion12.47652Log likelihood-137.2090 F-statistic140.8431Durbin-Watson stat2.734840 Prob (F-statistic) 0.000000 squared = 0.956968Watson stat = 2.734840statistic = 140.8431 (F-statistic) = 0.000000
За побудованим даними видно, що P-ймовірність і t-статистика показують значимість коефіцієнтів. 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-statistic3.784356 Probability0.067523Obs * R-squared3.995536 Probability0.045621
За статистикою Дарбіна - Уотсона чітко не видно чи є автокорреляция в даній моделі, однак тест Бреуша - Годфрі показує відсутність автокореляції в даній моделі, отже приймаємо гіпотезу про відсутність автокореляції.
Тепер перейдемо до тесту Уайта і оцінимо дану модель на наявність гетероскедастичності:
White Heteroskedasticity Test: F-statistic1.611071 Probability0.207967Obs * R-squared8.662204 Probability0.193486
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:
ADF Test Statistic-6.923127 1% Critical Value * -2.6756 5% Critical Value-1.9574 10% Critical Value-1.6238
...
