ВУЗ:
Составители:
Рубрика:
X 0.597513 0.077520 7.707873 0.0000
R-squared 0.553120 Mean dependent var 3.404232
Adjusted R-squared 0.543810 S.D. dependent var 3.354003
S.E. of regression 2.265356 Akaike info criterion 4.512519
Sum squared resid 246.3283 Schwarz criterion 4.589000
Log likelihood -110.8130 F-statistic 59.41131
Durbin-Watson stat 0.213611 Prob(F-statistic) 0.000000
Несмотря на то, что в DGP ряды y
t
и x
t
порождаются независимо друг от друга и их модели
не содержат детерминированного тренда, мы наблюдаем и здесь довольно высокое значение
коэффициента детерминации 0.553. Конечно, это связано с тем, что на рассматриваемом
периоде реализации обоих рядов имеют видимый тренд:
-
20
-
15
-
10
-5
0
5
10
55 60 65 70 75 80 85 90 95 100
X Y
Если, однако, обратиться ко всему периоду из 100 наблюдений, то результаты оценивания
будут совсем другими:
Dependent Variable: Y
Sample: 1 100
Included observations: 100
Variable Coefficient Std. Error t-Statistic Prob.
C 1.490206 0.664538 2.242470 0.0272
X 0.055097 0.083978 0.656086 0.5133
R-squared 0.004373 Mean dependent var 1.120548
Adjusted R-squared -0.005786 S.D. dependent var 3.513463
S.E. of regression 3.523613 Akaike info criterion 5.376648
Sum squared resid 1216.753 Schwarz criterion 5.428752
Log likelihood -266.8324 F-statistic 0.430449
Durbin-Watson stat 0.061638 Prob(F-statistic) 0.513306
В этом случае значение коэффициента детерминации близко к нулю, а оцененный
коэффициент при
x
t
равен 0.0551 против значения 0.5975, полученного при оценивании по
наблюдениям с 51 по 100. Это отражает действительное отсутствие детерминированного
тренда в DGP и, в связи с этим, крайнюю нестабильность оценок коэффициента при
x
t
,
полученных на различных интервалах. Последнее сопровождается также крайне низкими
X 0.597513 0.077520 7.707873 0.0000
R-squared 0.553120 Mean dependent var 3.404232
Adjusted R-squared 0.543810 S.D. dependent var 3.354003
S.E. of regression 2.265356 Akaike info criterion 4.512519
Sum squared resid 246.3283 Schwarz criterion 4.589000
Log likelihood -110.8130 F-statistic 59.41131
Durbin-Watson stat 0.213611 Prob(F-statistic) 0.000000
Несмотря на то, что в DGP ряды yt и xt порождаются независимо друг от друга и их модели
не содержат детерминированного тренда, мы наблюдаем и здесь довольно высокое значение
коэффициента детерминации 0.553. Конечно, это связано с тем, что на рассматриваемом
периоде реализации обоих рядов имеют видимый тренд:
10
5
0
-5
-10
-15
-20
55 60 65 70 75 80 85 90 95 100
X Y
Если, однако, обратиться ко всему периоду из 100 наблюдений, то результаты оценивания
будут совсем другими:
Dependent Variable: Y
Sample: 1 100
Included observations: 100
Variable Coefficient Std. Error t-Statistic Prob.
C 1.490206 0.664538 2.242470 0.0272
X 0.055097 0.083978 0.656086 0.5133
R-squared 0.004373 Mean dependent var 1.120548
Adjusted R-squared -0.005786 S.D. dependent var 3.513463
S.E. of regression 3.523613 Akaike info criterion 5.376648
Sum squared resid 1216.753 Schwarz criterion 5.428752
Log likelihood -266.8324 F-statistic 0.430449
Durbin-Watson stat 0.061638 Prob(F-statistic) 0.513306
В этом случае значение коэффициента детерминации близко к нулю, а оцененный
коэффициент при xt равен 0.0551 против значения 0.5975, полученного при оценивании по
наблюдениям с 51 по 100. Это отражает действительное отсутствие детерминированного
тренда в DGP и, в связи с этим, крайнюю нестабильность оценок коэффициента при xt ,
полученных на различных интервалах. Последнее сопровождается также крайне низкими
Страницы
- « первая
- ‹ предыдущая
- …
- 191
- 192
- 193
- 194
- 195
- …
- следующая ›
- последняя »
