Модель 5: мнк, использованы наблюдения 1-222 Зависимая переменная: l_Price_new
|
Коэффициент |
Ст. ошибка |
t-статистика |
P-значение |
|
l_Vehicle_NEW |
1,12774 |
0,0703937 |
16,0205 |
<0,00001 |
*** |
l_Max_speed |
2,30134 |
0,0417308 |
55,1473 |
<0,00001 |
*** |
l_Accel_NEW |
0,406659 |
0,0753902 |
5,3941 |
<0,00001 |
*** |
Italy_NEW |
0,359969 |
0,0794233 |
4,5323 |
<0,00001 |
*** |
China_NEW |
-0,305441 |
0,0838236 |
-3,6439 |
0,00034 |
*** |
Germany_NEW |
0,229566 |
0,0547681 |
4,1916 |
0,00004 |
*** |
UK_NEW |
0,710889 |
0,1139 |
6,2414 |
<0,00001 |
*** |
Среднее зав. перемен |
13,27297 |
|
Ст. откл. зав. перемен |
1,107710 |
Сумма кв. остатков |
13,86333 |
|
Ст. ошибка модели |
0,253930 |
R-квадрат |
0,999648 |
|
Испр. R-квадрат |
0,999638 |
F(7, 215) |
87218,72 |
|
Р-значение (F) |
0,000000 |
Лог. правдоподобие |
-7,153624 |
|
Крит. Акаике |
28,30725 |
Крит. Шварца |
52,12599 |
|
Крит. Хеннана-Куинна |
37,92377 |
Тест Бриша-Пэгана (Breusch-Pagan) на гетероскедастичность -
Нулевая гипотеза: гетероскедастичность отсутствует
Тестовая статистика: LM = 5,99956
р-значение = P(Хи-квадрат (6) > 5,99956) = 0,423239
Тест Вайта (White) на гетероскедастичность -
Нулевая гипотеза: гетероскедастичность отсутствует
Тестовая статистика: LM = 150,774
р-значение = P( Хи-квадрат (27) > 150,774) = 3,71846e-019
Как видим, мультиколлинеарность нам удалось устранить:
Метод инфляционных факторов
Минимальное возможное значение = 1.0
Значения > 10.0 могут указывать на наличие мультиколлинеарности
l_Vehicle_NEW 2,767
l_Max_speed 1,699
l_Accel_NEW 3,101
Italy_NEW 1,288
China_NEW 1,048
Germany_NEW 1,387
UK_NEW 1,154
VIF(j) = 1/(1 - R(j)^2), где R(j) - это коэффициент множественной корреляции
между переменной j и другими независимыми переменными
Теперь, согласно тесту Бреуша-Пагана, в нашей модели больше нет гетероскедастичности. Факт того, что тест Вайта все-таки показывает ее наличие, может означать наличие ложной гетероскедастичности, но данная гипотеза не подтвердилась графиком остатков.
Полагаясь на показатели данного графика, мы пришли к выводу о том, что нам удалось устранить гетероскедастичность (несмотря на достаточно сильный разброс величин остатков, они распределены достаточно равномерно; нет тенденции к расширению диапазона остатков, которая наблюдалась в модели изначально).
Таким образом, мы пришли к следующему виду уравнения, описывающего зависимость цены на автомобиль от независимых переменных:
