Повна версія

Головна arrow Економіка arrow ЕКОНОМЕТРИКА

  • Увеличить шрифт
  • Уменьшить шрифт


<<   ЗМІСТ   >>

ОЦІНЮВАННЯ МОДЕЛІ.

Після того, як аналіз даних завершено, можна приступати до власне моделювання. Припустимо, ми хочемо оцінити залежність Y від Х і Х 2 за допомогою методу найменших квадратів. Для цього в «Econometric Views» є спеціальна команда, результат виконання якої має такий вигляд:

LS // Dependent Variable is Y

Sample: 1 50

Included observations: 50

Variable

Coefficient

Std. Error

/ -statistic

Prob.

З

18046,09

14,98877

1203,974

0,0000

Ху

-483,3643

32,93229

-14.67752

0,0000

хГ

-4,017735

2,149205

-1,869406

0,0678

/ {- squared

0,999614

Mean dependent var

13918,00

Adjusted / {- squared

0,999598

SD dependent var

2783,530

SE of regression

55,83376

Akaike info criterion

8,102882

Sum squared resid

146518,2

Schwarz criterion

8,217603

Log likelihood

-270,5190

/ • '-statistic

60869,03

Durbin-Watson stat.

1,924701

Prob. (/ '- statistic)

0,000000

У стовпці « Coefficient » знаходяться значення оцінок відповідних параметрів регресії, в стовпці «Std. Error »- їх стандартні відхилення, в стовпці« t-statistic »- значення

t-критерію Стиодента при перевірці гіпотези про незначущості відповідних регресорів. В останньому стовпці наводиться ймовірність Р (t > / набл ).

Нижче основної таблиці поміщаються деякі кількісні характеристики регресійній моделі: коефіцієнт детермінації R 2 (R-squared), скоригований коефіцієнт

Л.

детермінації R ~ (Adjusted R-squared), стандартна помилка регресії - оцінка а в припущенні, що виконуються умови класичної моделі Гаусса-Маркова (SE of regression ), сума квадратів залишків (sum squared resid), логарифм функції правдоподібності (log likelihood).

Регресійна програма має справу з набором чисел, вона не може розуміти їх природу. Тому при використанні методу найменших квадратів видаються результати, що мають сенс, взагалі кажучи, тільки для часових рядів. Такі статистика Дарбіна-Уотсона (Durbin-Watson stat.) І ще деякі характеристики, які ми не розглядали в даному підручнику.

В кінці видається значення / '- статистики при перевірці гіпотези про незначущості регресії в цілому і значення відповідної ймовірності.

Як видно, на п'ятивідсотковому рівні значущості регресорів ХГ (пробіг автомобіля) виявився незначним (хоча він значущий на десятивідсотковим рівні, бо Го, 95; 48 = 2,01; Го.9; 48 = 1,67). Причиною цього може бути висока коррелированность між двома величинами Х і Xi і малий обсяг вибірки.

Звичайний метод найменших квадратів є найбільш поширеним, але, як відомо, далеко не завжди найкращий спосіб оцінювання. Регресійна програма дозволяє вибрати метод найбільш відповідає характеру експериментальних даних і їх взаємозалежності. При цьому в одному меню на вибір пропонуються як методи, специфічні, як правило, для просторової вибірки (наприклад, зважений метод найменших квадратів), так і застосовні виключно для часових рядів - наприклад, ARM А. Відзначимо ще раз, що програма нс розрізняє характеру експериментальних даних, і її неусвідомлене використання може призвести до абсолютно безглуздого результату.

Для оцінювання систем регресійних рівнянь пропонується окреме меню, в яке входять звичайний метод найменших квадратів, двохкроковий і трехшаговий методи найменших квадратів, а також метод одночасного оцінювання рівнянь як зовні не пов'язаних. При виборі двокрокового або трехшаговий методу програма запросить також ввести імена інструментальних змінних.

 
<<   ЗМІСТ   >>