Составители:
Этот текст доступен на постоянно обновляющемся сайте http://www.molchanov.narod.ru/econometrics.html
40
¾ Значение F-критерия существенно, а t-критерия – нет.
Для устранения мультиколлинеарности может быть принято несколько мер:
¾ Увеличивают объем выборки по принципу, что больше данных означает
меньшие дисперсии оценок МНК. Проблема реализации этого варианта ре-
шения состоит в трудности нахождения дополнительных данных.
¾ Исключают те переменные, которые высококоррелированны с остальными.
Проблема
здесь заключается в том, что возможно переменные были включе-
ны на теоретической основе, и будет неправомочным их исключение только
лишь для того, чтобы сделать статистические результаты «лучше».
¾ Объединяют данные кросс-секций и временных рядов. При этом методе бе-
рут коэффициент из, скажем, кросс-секционной регрессии и заменяют его на
коэффициент из эквивалентных данных временного ряда.
Проделанные манипуляции позволяют предположить, что мультиколлинеар-
ность может присутствовать (оценки любой регрессии будут страдать от нее в опре-
деленной степени, если только все независимые переменные не окажутся абсолютно
некоррелированными), однако в данном примере это не влияет на результаты оценки
регрессии. Следовательно, выделять «лишние» переменные не
стоит, так как это от-
ражается на содержательном смысле модели.
9. Проверить спецификацию модели. Объяснить полученные результаты.
Подробно теоретические вопросы, связанные с проблемами спецификации эко-
нометрических моделей, были рассмотрены в лекционном курсе.
В нашем случае мы ограничимся тем, что попробуем исключить поочередно не-
зависимые переменные. Первой исключаем переменную CREDIT_INSTITUTI (рис.
62). Коэффициент при переменной INCOME изменил знак на противоположный.
Рис. 62.
Страницы
- « первая
- ‹ предыдущая
- …
- 38
- 39
- 40
- 41
- 42
- …
- следующая ›
- последняя »
