38)Обнаружение и корректировка ошибок спецификации

Если в уравнении регрессии имеется одна несущественная переменная, то она обнаружит себя по низкой t-статистике. В дальнейшем эту переменную исключают из рассмотрения.

Если в уравнении несколько статистически незначимых объясняющих переменных, то следует построить другое уравне­ние регрессии без этих незначимых переменных. Затем с помо­щью F-статистики сравниваются коэффициенты детер­минации для первоначального и дополнительного уравнений регрессий:

Здесь п — число наблюдений, т — число объясняющих пере­менных в первоначальном уравнении, k — число отбрасывае­мых из первоначального уравнения объясняющих переменных.

При наличии нескольких несущественных переменных, возможно, имеет место мультиколлинеарность. Однако осуществление указанных проверок имеет смысл лишь при правильном подборе вида (функциональной формы) уравнения регрессии, что можно осуществить, если согласовы­вать его с теорией.

Выбор модели далеко не всегда осуществляет­ся однозначно, и в дальнейшем требуется сравнивать модель как с теоретическими, так и с эмпирическими данными, совер­шенствовать ее. При определении качества мо­дели обычно анализируются следующие параметры:

1. скорректированный коэффициент детерминации

2. t-статистики

3. Дарбина—Уотсона dw

4. согласованность знаков коэффициентов с теорией

5. прогнозные качества (ошибки) модели

Если все эти показатели удовлетворительны, то данная мо­дель может быть предложена для описания исследуемого реаль­ного процесса. Если же какая-либо из описанных выше харак­теристик не является удовлетворительной, то есть основания сомневаться в качестве данной модели (неправильно выбрана функциональная форма уравнения; не учтена важная объяс­няющая переменная; имеется объясняющая переменная, не оказывающая значимого влияния на зависимую переменную).

Для более детального анализа адекватности модели может быть предложено исследование остаточного члена модели.

39)Проблемы спецификации

40)Необходимость использования фиктивных переменных в регрессионных уравнениях

Иногда необходимо включение в регрессионную модель одной или более качественных переменных (например, разделение по полу: мужской и женский; по уровню образования: общее и профессиональное и т.д.). Альтернативно может понадобиться сделать качественное различие между наблюдениями однмих и тех же данных. Так, если проверяется взаимосвязь между размером компании и месячными доходами по акциям, может быть желательным включение качественной переменной, представляющей месяц январь, по причине хорошо известного «январского эффекта» во временных рядах доходов по ценным бумагам. Данный «январский эффект» - это феномен, заключающийся в том, что средние доходы по акциям, особенно небольших компаний, в среднем выше в январе, чем в другие месяцы. Таким образом, если мы рассматриваем январские наблюдения как качественно отличные от других наблюдений, фиктивная переменная (D) позволит произвести подобное качественное различие.