Методы коррекции гетероскедастичности случайных отклонений, тестирование гетероскедастичности в скорректированной модели с помощью тес

Автор: Пользователь скрыл имя, 24 Октября 2011 в 13:26, курсовая работа

Описание работы

При проведении регрессионного анализа, основанного на методе наименьших квадратов, на практике следует обратить внимание на проблемы, связанные с выполнимостью свойств случайных отклонений модели. Одной из ключевых предпосылок МНК является условие постоянства дисперсий случайных отклонений. Данное условие подразумевает, что, несмотря на то, что при каждом конкретном наблюдении случайное отклонение может быть либо большим, либо меньшим, не должно быть некой априорной причины, вызывающей большую ошибку (отклонение). Выполнимость данной предпосылки называется гомоскедастичностью.

Содержание

Содержание
Введение 3
Теоретическое обоснование модели 5
Построение и анализ эконометрической модели 6
Заключение 11
Список использованных источников 12
Приложение 13

Работа содержит 1 файл

готовая.doc

— 380.50 Кб (Скачать)
 
F 35,22754919    
fкр a,k-m-1;k-m-1   6,388
 
 
 
 
 
 
 
 

Приложение (5)

RSS1

ВЫВОД ИТОГОВ            
                 
Регрессионная статистика              
Множественный R 0,83173              
R-квадрат 0,69177              
Нормированный R-квадрат 0,67944              
Стандартная ошибка 3533,45              
Наблюдения 27              
                 
Дисперсионный анализ            
  df SS MS F Значимость F      
Регрессия 1 700531267,4 7E+08 56,11 8E-08      
Остаток 25 312131695,6 1,2E+07          
Итого 26 1012662963            
                 
  Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y-пересечение 28188,6 5005,768262 5,63122 7E-06 17879 38498 17879 38498
totsq 1053,72 140,6734615 7,49057 8E-08 764 1343,4 764 1343
 
 
 
 

RSS2

ВЫВОД ИТОГОВ            
                 
Регрессионная статистика              
Множественный R 0,86111              
R-квадрат 0,74151              
Нормированный R-квадрат 0,7329              
Стандартная ошибка 24530,5              
Наблюдения 32              
                 
Дисперсионный анализ            
  df SS MS F Значимость F      
Регрессия 1 51785645370 5,2E+10 86,06 3E-10      
Остаток 30 18052303380 6E+08          
Итого 31 69837948750            
                 
  Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y-пересечение -53018 19445,40599 -2,7265 0,011 -92730 -13305 -92730 -13305
44 2824,17 304,4331488 9,27682 3E-10 2202 3445,9 2202,4 3446
 
F 57,8355  
f КР   7,709

Информация о работе Методы коррекции гетероскедастичности случайных отклонений, тестирование гетероскедастичности в скорректированной модели с помощью тес