41_4_Econometrics_Polyansky__Part_4
.pdf
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Полянский Ю.Н. |
|
|
|
|
|
|
|
|
Эконометрика. Экономическое моделирование и прогнозирование. |
||||||||||
|
Решение. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Для исследования статистической однородности двух выборок разра- |
||||||||||||||||
ботаны несколько подходов. Например можно: |
|
|
|
|
|||||||||||||
|
1) |
построить и сравнить интервальные оценки параметров регрессии |
|||||||||||||||
для каждой выборки отдельно. Если доверительные интервалы пересекают- |
|||||||||||||||||
ся, |
значит можно строить единую модель. |
|
|
|
|
|
|
||||||||||
|
2) |
использовать различные критерии однородности выборок, напри- |
|||||||||||||||
мер, критерий Г.Чоу. |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
Последний критерий наиболее употребим и распространен из-за своей |
||||||||||||||||
простоты и надежности. В целом его суть состоит в следующем. |
|
||||||||||||||||
|
Пусть 1-я выборка имеет объем n1 =20 , 2-я - |
n2 =10 . Объединенная |
|||||||||||||||
выборка имеет объем n =n1 |
+n2 |
=30 . |
|
|
|
|
|
|
|||||||||
|
а) |
Для каждой выборки строится своя регрессионная модель: |
|
||||||||||||||
|
|
|
|
yi |
=b0( 1 ) + ∑p |
b(j |
1 ) xij |
+ε i( 1 ) , |
i =1,2 ,...,n1 ; |
|
|||||||
|
|
|
|
|
|
|
j =1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
yi |
=b0( 2 ) +∑p |
b(j |
2 ) xij |
+ε i( 2 ) , |
|
i = 1,2 ,...,n2 ; |
|
||||||
|
|
|
|
|
|
+∑p |
j=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y =b0 |
b j x j |
|
+ε , |
|
i = 1,2 ,...,n . |
|
|||||||
|
|
|
|
|
|
j=1 |
|
|
|
|
|
|
|
|
|
|
|
|
б) Выдвигается гипотеза о равенстве векторов коэффициентов регрес- |
||||||||||||||||
сии и дисперсий возмущений |
(статистической однородности) 1-й и |
2-й мо- |
|||||||||||||||
делей: |
H 0 |
: |
|
b( 1 ) = b( 2 ) , |
|
D( ε ( 1 ) |
) = D( ε ( 2 ) |
) =σ 2 . |
|
||||||||
|
в) |
H 0 |
отвергается на заданном уровне значимости α, если |
|
|||||||||||||
|
|
|
|
F = |
( Se − Se( 1 ) − Se( 2 ) )( n − 2 p − 2 ) |
> Fα; p+1 ;n−2 p−2 , |
|
||||||||||
|
|
|
|
|
( Se( 1 ) + Se( 2 ) )( p + 1 ) |
|
|
||||||||||
где |
Se( 1 ) = ∑n1 |
( ei( 1 ) |
)2 ; |
Se( 2 ) |
=∑n1 |
( ei( 2 ) )2 ; |
Se |
= ∑n |
ei2 |
- остаточные |
суммы |
||||||
|
|
|
i =1 |
|
|
|
|
i =1 |
|
|
|
|
i =1 |
|
|
|
|
|
квадратов соответственно для 1-й, 2-й и объединенной выборок. |
||||||||||||||||
|
Работаем с 1-й моделью. |
|
Запустим инструмент «Регрессия» |
пакета |
|||||||||||||
анализа, поставив в диалоговом окне (рис.4.12) галочку в поле «Остатки». |
|||||||||||||||||
Результат лучше вывести на отдельный лист. |
В полях «Входной интервал Y» |
||||||||||||||||
и «Входной интервал X» инструмента зададим ячейки расчетной таблицы, |
|||||||||||||||||
относящиеся |
к первой выборке, т.е. соответственно ячейки G6:G25 и |
||||||||||||||||
С6:F25. |
Лист с итогами расчета назовём |
«1-я подвыборка», щёлкнув два- |
|||||||||||||||
жды мышкой на названии листа. |
|
|
|
|
|
|
|
|
98
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
|
На |
нем |
в |
таблице |
|
||||
|
«Вывод остатка» по- |
|||
|
лучим |
(в |
квадраты |
|
|
остатков |
ячейках |
||
|
D28:D47). Для этого в |
|||
|
D28 |
введём |
формулу |
|
|
«=C28*C28» |
и протя- |
||
|
нем по D28:D47. А за- |
|||
|
тем в ячейке |
D48 по- |
||
|
лучим |
|
сумму |
|
|
«=СУММ(D28:D47)»:. |
|||
|
Можно |
использовать |
||
|
также |
встроенную |
||
|
функцию |
СУММКВ |
||
|
(попробуйте |
самосто- |
||
|
ятельно). |
Аналогично |
||
|
получаем |
|
|
|
Рис. 4.12 |
|
|
Se( 1 ) =∑n1 |
( ei( 1 ) )2 =65,98 ; Se( 2 ) |
= ∑n |
( ei( 2 ) )2 =6,91; |
Se =∑n |
ei2 |
=127,45. |
|
i =1 |
|
i=n1 +1 |
i =1 |
|
|
||
Чтобы было удобно, расчеты проведем на основном листе под расчет- |
|||||||
ной таблицей, сведя вместе ссылками полученные суммы (рис.4.13). |
|||||||
Осталось только вычислить F -статистику. Запрограммировав её |
|||||||
формулу «=((B41-B39-B40)*(A35-2*B38-2))/((B39+E40)*(B38+1))», получим |
|||||||
F = 3,307 > Fα; p+1;n−2 p−2 |
= F0 ,05 ;4+1;30−2 4 −2 = F0 ,05 ;5 ;20 = 2,71. |
||||||
Есть основания отвергнуть нулевую гипотезу о статистической одно- |
|||||||
родности 2-х выборок. Данные первых 20-ти и послед- |
|
|
|
||||
|
|
|
|||||
них 10-ти квартир приведенного списка нельзя объеди- |
|
|
|
||||
нить в одну выборку и строить по ней одну регрессион- |
|
|
|
||||
ную модель. Такой результат возможен из-за различных |
|
|
|
||||
причин. Например, потому, что две подвыборки получе- |
|
|
|
||||
ны в несколько разное время или данные из не очень до- |
|
|
|
||||
|
|
Рис. 4.13 |
|||||
стоверных источников. Кроме того, сами объемы выбо- |
|
рок не столь велики. Не случайно в задаче 3.2 объединенная модель имеет невысокую точность (коэффициент детерминации R 2 =0 ,842 ).
Задача 4.4
Входе социологических исследований проводится анализ зави- симости среднедушевых расходов семьи от среднедушевых доходов. Статистические данные о 15 случайно отобранных семьях представ- лены в расчетной таблице (рис. 4.14). По ним:
1)построить модель парной линейной регрессии;
99
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
2)по общему виду графика регрессии сделать предварительный вывод о нали- чии в модели гетероскедастичности;
3)исследовать модель на гетеро- скедастичность с помощью теста ранго-
вой корреляции Спирмена на уровне значимости α =0 ,05 ;
4)аналогичное выполнить с помощью теста Голдфелда-Квандта;
5)сделать вывод.
Решение. |
|
|
|
|
|
|
|
|
|
|
|
|
|||
В данной модели объясняющая пере- |
|
|
|
|
|
|
|
||||||||
менная |
X - |
среднедушевой |
доход семьи |
|
|
|
|
|
|
|
|||||
(тыс.руб. |
на |
1 |
чел. в месяц), |
объясняемая |
|
|
|
|
|
|
|
||||
переменная |
Y - |
среднедушевой расход се- |
|
|
|
|
|
|
|
||||||
мьи (тыс.руб. на 1 |
чел. в месяц). Объем вы- |
|
|
|
|
|
|
|
|||||||
борки n =15 (в учебных целях он намерен- |
|
|
|
|
|
|
|
||||||||
но взят небольшой, в действительности же- |
|
|
|
|
|
|
|
||||||||
лательно иметь существенно больший объ- |
|
|
Рис. 4.14 |
|
|
||||||||||
ем выборки). |
|
|
|
|
|
|
непостоянство |
дисперсий |
|||||||
Как известно, гетероскедастичность – |
|||||||||||||||
ошибок регрессии для различных участков исследуемого диапазона объяс- |
|||||||||||||||
няющей переменной |
X : D( ε i ) ≠ D( ε j ) ( i =1,2 ,...,n , j =1,2 ,...,n , i ≠ j ). |
||||||||||||||
Это явление «вредное». Оно существенно «портит» результаты статистиче- |
|||||||||||||||
ского анализа, снижает точность модели и требует устранения. |
Конкретно |
||||||||||||||
гетероскедастичность |
выражается в том, что при различных |
X |
разброс |
||||||||||||
наблюдаемых значений от прогнозных существенно непостоянен. |
На гра- |
||||||||||||||
фике регрессии |
Y |
на |
X это выражается в том, что наблюдаемые значения |
||||||||||||
располагаются внутри полосы, ширина которой непостоянна |
(см. далее |
||||||||||||||
рис.4.15). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1) Сначала необходимо упорядочить данные расчетной таблицы по |
|||||||||||||||
возрастанию |
X (не потеряйте соответствия строк в столбцах Y и X ). |
||||||||||||||
Найдем оценки коэффициентов парной линейной регрессии |
(с помо- |
||||||||||||||
щью любого из известных средств, например Пакетом анализа): |
|
|
|
||||||||||||
ˆ |
= |
0 ,497 |
, |
ˆ = |
0 ,044 , т.е. искомая модель |
ˆ = |
0,044 |
+ |
0,497 x . |
||||||
b |
|
a |
y |
|
|||||||||||
2) Построим общий точечный график наблюдаемых (эксперименталь- |
|||||||||||||||
ных) и прогнозных (оценочных) значений (рис.4.15). |
Анализ графика пока- |
||||||||||||||
зывает, |
что разброс наблюдаемых значений от прямой линии регрессии |
||||||||||||||
непостоянен при малых и больших X . |
|
|
|
|
|
|
|
100
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
Воображаемая полоса, внутри |
|
|
|
|
||||||||||||
которой находятся эксперимен- |
|
|
|
|
||||||||||||
тальные точки, |
расширяется с |
|
|
|
|
|||||||||||
ростом |
X . Это внешний при- |
|
|
|
|
|||||||||||
знак |
гетероскедастичности. |
В |
|
|
|
|
||||||||||
линейной |
регрессии |
это |
часто |
|
|
|
|
|||||||||
очевидно. |
В нелинейной, |
когда |
|
|
|
|
||||||||||
сама |
линия |
регрессии |
|
может |
|
|
|
|
||||||||
сильно |
изгибаться, |
|
|
разброс |
|
|
|
|
||||||||
наблюдать |
|
сложнее. |
|
Тогда |
|
|
|
|
||||||||
можно |
проанализировать |
гра- |
|
|
|
|
||||||||||
фик |
|
остатков |
ei |
= |
yi |
− |
ˆ |
|
|
|
|
|||||
|
|
|
|
yi |
|
|
|
|
||||||||
(рис.4.16). |
Напомним, |
|
чтобы |
|
|
|
|
|||||||||
получить прогнозные значения |
|
|
|
Рис. 4.15 |
||||||||||||
Y |
и остатки, |
можно при вызове |
|
|
|
|||||||||||
инструмента |
«Регрессия» паке- |
|
|
|
|
|||||||||||
та анализа Microsoft |
Excel |
по- |
|
|
|
|
||||||||||
ставить |
|
галочку |
|
в |
|
поле |
|
|
|
|
||||||
«Остатки» (см. |
рис.1.30 зада- |
|
|
|
|
|||||||||||
чи 1.4). |
Для дальнейших расче- |
|
|
|
|
|||||||||||
тов |
скопируем |
рассчитанные |
|
|
|
|
||||||||||
пакетом анализа значения |
ˆ |
и |
|
|
|
|
||||||||||
yi |
|
|
|
|
||||||||||||
ei |
в расчетную таблицу |
в |
|
|
|
|
||||||||||
столбцы D |
и E (см. рис.4.17). |
|
|
|
|
Рис. 4.16 |
||||||||||
|
|
Удобно графики |
(рис.4.14 и 4.15) размещать один под другим в одном |
|||||||||||||
масштабе по |
OX для сопоставления. Видно, |
что разброс остатков суще- |
||||||||||||||
ственно непостоянен по |
X , |
т.е. |
в модели имеет место гетероскедастич- |
|||||||||||||
ность. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
3) Однако, такую визуальную картинку можно получить не всегда. Да |
||||||||||||||
и степень проявления гетероскедастичности трудно оценить «на глаз». |
||||||||||||||||
|
|
Проверим предварительный вывод о наличии в данной модели гетеро- |
||||||||||||||
скедастичности с помощью теста ранговой корреляции Спирмена [17]. |
||||||||||||||||
|
|
В его основе лежит идея о том, что в случае гетероскедастичности аб- |
||||||||||||||
солютные величины регрессоров |
xi и остатков ei коррелированны. Надо |
|||||||||||||||
проанализировать коэффициент ранговой корреляции этих величин |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6∑n |
d i2 |
|
|
|
|
|
|
|
|
|
|
|
|
ρ x ,e = 1 − |
i =1 |
|
, |
||
|
|
|
|
|
|
|
|
|
|
|
3 |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n − n |
|
где d i - разность между рангами абсолютных значений xi и ei .
Дальнейшие вычисления можно проследить по рис.4.17.
101
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
Рис. 4.17
В столбцах F и G расчетной таблицы вычислим значения xi и ei с помощью функции ABS.
Ранжируем (т.е. определим ранги) наблюдений по xi и ei . Для этого сначала упорядочим (пункт меню «Данные/Сортировка») расчетную табли- цу по возрастанию xi - столбца F (не забудьте выделить всю таблицу, а не только нужный столбец). В упорядоченной таблице в столбце H впишем номера (ранги N ) наблюдений в порядке возрастания xi : 1,2,3,…15.
Можно это сделатьx не вручную, используя средства Microsoft Excel. Задав в ячейках H2, H3 первые номера (1 и 2), а затем выделим H2:H3 и протянем до H16. (можно и иначе: протянем ячейку H2 за точку в нижнем правом уг- лу при нажатой клавише Ctrl).
102
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
|
Аналогично поступим с |
|
ei |
|
|
. Упорядочим таблицу по столбцу G. В |
||||||||||||||||||||||||||||||||||
|
|
|
|
|||||||||||||||||||||||||||||||||||||
столбце I получим ранги N e |
наблюдений в порядке возрастания |
|
ei |
|
. |
|||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||
! |
Внимание! После вычисления рангов таблицу необходимо опять упо- |
|||||||||||||||||||||||||||||||||||||||
рядочить по исходному возрастанию xi . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
В столбце J |
вычислим разности |
рангов |
d i |
= N x i |
− N e i |
, только что |
|||||||||||||||||||||||||||||||||
полученных в столбцах H и I, а в столбце K – |
квадраты разностей di2 . |
|||||||||||||||||||||||||||||||||||||||
|
Остается только в ячейке K17 вычислить |
∑n |
d i2 , т.е. просуммировать |
|||||||||||||||||||||||||||||||||||||
данные ячеек K2:K16. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i =1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
Получены все предварительные данные. Вычислим в ячейке C21 ко- |
||||||||||||||||||||||||||||||||||||||
эффициент Спирмена, |
введя формулу |
|
«=1-(6*K17)/(B17*B17*B17-B17)». |
|||||||||||||||||||||||||||||||||||||
Полученное значение |
ρ x ,e =0 ,757 достаточно близко к |
1, |
что свидетель- |
|||||||||||||||||||||||||||||||||||||
ствует о наличии между абсолютными величинами регрессоров xi |
|
и остат- |
||||||||||||||||||||||||||||||||||||||
ков |
ei |
достаточно тесной корреляционной связи. В анализируемой выборке |
||||||||||||||||||||||||||||||||||||||
присутствует гетероскедастичность. |
|
|
коэффициент? |
Насколько ему |
||||||||||||||||||||||||||||||||||||
|
Но насколько значим |
полученный |
||||||||||||||||||||||||||||||||||||||
«можно доверять»? |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
Коэффициент ранговой корреляции Спирмена значим на уровне α, |
|||||||||||||||||||||||||||||||||||||||
если t-статистика Стьюдента при числе степеней свободы |
(n-2) |
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
t |
|
= |
|
|
ρ x ,e |
|
|
n − |
2 |
> t1−α;n−2 . |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
Рассчитаем |
|
|
|
|
|
|
|
|
|
1 − ρ x2 ,e |
|
|
в |
ячейке |
|
|
по |
|
формуле |
||||||||||||||||||||
|
t-статистику |
Стьюдента |
C22 |
|
||||||||||||||||||||||||||||||||||||
«=ABS(C21)*КОРЕНЬ(B17-2)/КОРЕНЬ(1-C21*C21)»: |
|
t |
|
= 4 ,179 . |
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
Табличное значение t1−α;n−2 |
|
|
|
|
|
|
и степе- |
||||||||||||||||||||||||||||||||
нях |
для уровня значимости |
|
|
α =0 ,05 |
|
|||||||||||||||||||||||||||||||||||
свободы |
|
|
|
|
n − 2 = 15 − 2 = 13 |
найдем |
по |
|
таблице |
2 |
приложения: |
|||||||||||||||||||||||||||||
t1−α;n−2 |
= 2 ,16 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
Так как |
|
|
t |
|
= 4 ,179 > t1−α;n−2 |
= 2 ,16 , то коэффициент Спирмена значим |
|||||||||||||||||||||||||||||||||
|
|
|
|
|||||||||||||||||||||||||||||||||||||
на указанном |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
уровне. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
4) Кроме теста Спирмена для выявления гетероскедастичности широ- |
|||||||||||||||||||||||||||||||||||||||
ко используется тест Голдфелда-Квандта. Его общая идея: гетероскедастич- |
||||||||||||||||||||||||||||||||||||||||
ность наблюдается в случае, если дисперсии остатков существенно различ- |
||||||||||||||||||||||||||||||||||||||||
ны для двух наборов по k наблюдений, |
взятых из различных частей упоря- |
|||||||||||||||||||||||||||||||||||||||
доченной выборки. Гипотеза |
H o |
об отсутствии гетероскедастичности от- |
||||||||||||||||||||||||||||||||||||||
вергается, если |
|
F = S max |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
> F |
|
− p |
, |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Smin |
|
α;k − p ;k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Здесь |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Smax |
=max S1 ; S2 , |
Smin =min S1 ; S2 |
; |
|
|
|
|
|
|
|
|
|
|
|
|
|
103
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
S1 =∑k |
ei2 ; |
S2 = |
∑n |
ei2 ; |
|
i =1 |
|
i =n−k +1 |
|
||
p - число регрессоров (объясняющих переменных), p =1 . |
|
||||
Мощность теста максимальна, когда сравниваются первые и послед- |
|||||
ние 30…35% наблюдений, т.е. k ≈ n |
3 . |
|
|
||
Вычисления продолжим в той же расчетной таблице. Объемы частей |
|||||
основной выборки |
k = 15 / 3 =5 в этом случае вычислим в ячейке С24 |
по |
формуле «=ЦЕЛОЕ(B17/3)». Для расчетов требуются значения ei2 , которые |
|||||||
вычислим в дополнительном столбце L. |
|
|
|
|
|||
Необходимые суммы ∑m |
ei2 и |
∑n |
ei2 - это не что иное, |
как суммы |
|||
|
i =1 |
|
i =n−m+1 |
|
|
|
|
соответствующих ячеек L2:L6 |
и L12:L16 (т.е. для первых 5 и последних 5 |
||||||
наблюдений при упорядочении выборки по возрастанию |
xi ). Их вычислим |
||||||
в ячейках D25 и J25. |
|
|
|
|
|
|
|
Далее найдем отношения полученных сумм (1-й ко 2-й и наоборот), |
|||||||
чтобы выбрать из ним максимальное. |
В ячейке С26 по формуле «=D25/J25» |
||||||
получим F1 =0 ,035 , а в E26 по формуле «=J25/D25» получим F2 |
= 28 ,723 . |
||||||
Табличное максимально допустимое значение |
Fα;m− p ;m− p |
найдем по |
|||||
таблице критерия Фишера-Снедекора для α =0 ,05 |
и |
k − p = 5 − 1 = 4 : |
|||||
Fтабл. =6 ,39 (таблица 4 |
приложения). |
|
|
|
|
|
|
Так как Fmax = F2 |
= 28 ,723 > Fтабл. = 6 ,39 , то гипотеза об отсутствии |
гетероскедастичности отвергается, принимается гипотеза об её наличии. Напомним, что можно находить отношение не только первых 30% к
последним 30% наблюдений, но и наоборот, а также центральных к первым и центральных к последним наблюдениям.
5) Полученные результаты попробуем понять с экономической точки зрения. В данной задаче установлено, что в анализируемой выборке для се- мей с большими доходами ( X ) разброс в уровне расходов (Y ) значительно больший, чем для семей с малыми доходами. Действительно, затраты бед- ных семей практически одинаковы. Им просто нечем отличаться. А вот рас- ходы богатых семей существенно отличаются друг от друга. Кто-то доходы тратит на путешествия, недвижимость и т.п., а кто-то большую часть откла- дывает "на чёрный день" (а, возможно, и скрывает расходы).
Причины этого необходимо устанавливать, делать социологические, экономические и др. выводы, но это уже не задачи эконометрики.
104