Составители:
Этот текст доступен на постоянно обновляющемся сайте http://www.molchanov.narod.ru/econometrics.html
41
Рис. 63.
В случае исключения из первоначальной модели переменной INCOME, знак
регрессионного коэффициента при переменой CREDIT_INSTITUTI остался без
изменения (рис. 63). Представляется разумным разделять эффект двух независи-
мых переменных на зависимую переменную в модели с совместным их влияни-
ем в регрессионном уравнении. Данный пример иллюстрирует важность исполь-
зования множественной регрессии вместо парной в случае
, когда изучаемое яв-
ление существенно детерминирует несколько независимых переменных.
10. Проверить наличие гетероскедастичности в модели. Объяснить полу-
ченные результаты.
Если остатки имеют постоянную дисперсию, они называются гомоскедастич-
ными, но если они непостоянны, то гетероскедастичными. Гетероскедастичность
приводит к тому, что коэффициенты регрессии больше не представляют собой луч-
шие оценки или не
являются оценками с минимальной дисперсией, следовательно,
они больше не являются наиболее эффективными коэффициентами.
Воздействие гетероскедастичности на оценку интервала прогнозирования и про-
верку гипотезы заключается в том, что хотя коэффициенты не смещены, дисперсии и,
следовательно, стандартные ошибки этих коэффициентов будут смещены. Если сме-
щение отрицательно, то оценочные стандартные ошибки будут меньше, чем
они
должны быть, а критерий проверки будет больше, чем в реальности. Таким образом,
мы можем сделать вывод, что коэффициент значим, когда он таковым не является. И
наоборот, если смещение положительно, то оценочные ошибки будут больше, чем
они должны быть, а критерии проверки – меньше. Значит, мы можем принять нуле-
вую гипотезу,
в то время как она должна быть отвергнута.
Проверкой на гетероскедастичность служит тест Голдфелда-Кванта. Он требует,
чтобы остатки были разделены на две группы из
n
наблюдений, одна группа с низ-
Страницы
- « первая
- ‹ предыдущая
- …
- 39
- 40
- 41
- 42
- 43
- …
- следующая ›
- последняя »
