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) = 0,3561
Тест Жака-бера вказує на нормальний 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, 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.
Нарешті, побудуємо модель корекції помилок (ECM) і оцінимо її якість:
VariableCoefficientStd. Errort-StatisticProb. Mean dependent var-8.647826Adjusted R-squared0.828417 SD dependent var298.4544S.E. of regression123.6276 Akaike info criterion12.62920Sum squared resid290391.8 Schwarz criterion12.82667Log likelihood-141.2357 F-statistic36.40590Durbin-Watson stat1.985892 Prob (F-statistic) 0.000000 squared = 0.851815Watson stat = 1.985892statistic = 36.40590 (F-statistic) = 0.000000
За побудованим даними видно, що P-ймовірність і t-статистика показують значимість коефіцієнтів при рівні значущості 6%. 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-statistic0.025444 Probability0.875042Obs * R-squared0.032466 Probability0.857009
За статистикою Дарбіна - Уотсона і тесту Бреуша - Годфрі чітко видно відсутність автокореляції в даній моделі.
Тепер перейдемо до тесту Уайта і оцінимо дану модель на наявність гетероскедастичності:
White Heteroskedasticity Test: F-statistic0.240344 Probability0.956403Obs * R-squared1.901579 Probability0.928524
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...
