Практична робота №4

Тема: «Тестування гетероскедастичності залишків»

Метою є закріплення теоретичного матеріалу та здобуття практичних
навичок тестування економетричної моделі на наявність автокореляції,
гетероскедастичності залишків.
Мені необхідно:
1. Побудувати лінійну багатофакторну модель, визначити всі її
характеристики (середньоквадратичні відхилення оцінок параметрів
моделі, критерій Стьюдента, коефіцієнт множинної кореляції,
коефіцієнт детермінації, критерій Фішера). Зробити висновки щодо
статистичної значущості моделі.
2. Перевірити гіпотезу про наявність гетероскедастичності за допомогою
тестів Парка, Глейсера, Уайта. Зробити висновки. Здійснити вибір
найбільш доцільного методу оцінки параметрів економетричної моделі.
Отже, спочатку вводимо вхідні данні, які представлені на рис.1.

Рис.1. Вхідні дані

 1) За допомогою надбудови «Аналіз даних», вкладки «Регресія» на підставі
даних табл. 4.1 знайдемо характеристики регресійного рівняння
залежності доходу банків (y) від кількості кредитних договорів (x1) і
уставного капіталу (x2). Результати регресійного аналізу наведені на
рис.2.

Рис.2. Результати регресійного аналізу

Таким чином, після застосування МНК до вихідних даних одержано

наступне рівняння регресії:

y = -1,1134 + 3,48 × x1 + 3,195× x2 + e;R 2 = 0,953 ; F =122,667

Це рівняння статистично значиме з імовірністю 0,95 (Fтабл=3,89), зв'язок між

показниками дуже тісний. Значимі також параметри при факторах (tфакт дорівнює
відповідно 10,061 і 12,207 при tтабл= 2,18). Таким чином, розглянуті характеристики
вказують на високу якість моделі.
Однак висновки щодо значимості параметрів є надійними, і по моделі можна
проводити подальший аналіз і прогноз у тому випадку, якщо в результаті аналізу
випадкових залишків не буде встановлене порушення передумов МНК. Так як дані
просторові, то найбільш можливим порушенням може бути порушення
гомоскедастичності.
Наведемо ряд залишків моделі (рис.3.), отриманий за допомогою надбудови
«Аналіз даних», вкладки «Регресія» .

Рис.3. Ряд залишків моделі

Проведемо перевірку залишків на гетероскедастичність.

1) До тестів, що дозволяють виявити наявність гетероскедастичності залишків,
відносять тести Парка, Глейзера, Уайта. Дані тести припускають, що
дисперсія випадкових залишків являє собою певну функцію залежності від
якогось фактора (або факторів).
Залишки вважаються гетероскедастичними, якщо параметр b у функціях по
тесту Парку або тесту Глейзера є статистично значущим (для тесту Глейзера - хоча
б при одному значенні k). При перевірці за тестом Уайта гетероскедастичність
випадкових залишків є, якщо вся функція значима по F- критерію Фішера.

Розрахуємо значення залежних і незалежних змінних функцій. Результати

проміжних розрахунків наведені в рис.4.

Рис.4. Проміжні розрахунки

Проведемо перевірку залишків на гетероскедастичність по тесту Парка за х1.

Параметри регресійного рівняння знайдемо за допомогою надбудови «Аналіз даних»,
вкладки «Регресія».
Результати регресійного аналізу наведені на рис.5.

Рис.5. Результати регресійного

аналізу
 Таким чином, одержано наступне рівняння регресії:
ln e2 = 16,1 +(-6,5ln x1)+n ; tb = -1,24

Знайдемо табличне значення критерію Стьюдента.

ВИСНОВОК: Tfact>Ttabl (1,24<2,18), значить параметр b є статистично не

значущим, тобто залишки моделі не гетероскедастичні.

Проводимо тест Парка для Х2:

За тестом Парка:

ln e2 = 13,25 + (-4,99ln x2) +n ; tb= -1,07

ВИСНОВОК: Tfact>Ttabl (1,07<2,18), значить параметр b є статистично не

значущим, тобто залишки моделі не гетероскедастичні.
Наступний тест – Глейзера для Х1:

Для Х2:

За тестом Глейзера, задав k= 1:

e = 4,29 + (-0,19 × x1)+n ; tb = -0,99

e = 3,13 + (-0,08 × x2)+n ; tb = -0,53

 ВИСНОВОК: Tfact>Ttabl (0,99<2,18), значить параметр b є
статистично не значущим, тобто дисперсія залишків не залежить від
фактора Х1.

ВИСНОВОК: Tfact>Ttabl (0,53<2,18), значить параметр b є

статистично не значущим, тобто дисперсія залишків не залежить від
фактора Х2.

Тест Уайта:

За тестом Уайта:

e 2 =-12,1 + 8,056х 1- 5,21х 2-0,74х 2-0,12х 2+0,76х1х2+n

F= 0,82
На підставі вбудованої функції Excel знайдемо табличне значення
критерію Фішера:
 ВИСНОВОК: Ffact>Ftabl (0,82<4,67), значить в цілому залишки не
гетероскедастичні.