
- •1. Обчислити оцінки параметрів моделі за методом найменших квадратів, перевірити суттєвість зв’язку в моделі та статистичну значущість розрахованих оцінок параметрів моделі
- •2. Проаналізувати доцільність застосування методу найменших квадратів, перевіривши тестами Гельдфельда-Квандта та Глейзера наявність гетероскедастичності залишків
- •А) Тест Гельдфельда-Квандта
- •Б) Тест Гейзера
- •3. Розрахувати оцінки параметрів моделі з урахуванням результатів тестів
- •Висновок
Б) Тест Гейзера
Будуємо наступні види функцій:
1.
;
2.
;
3.
;
4.
.
Для функції :
abs(еі) |
X-1 |
0,0841 |
0,007813 |
0,0774 |
0,006211 |
0,0589 |
0,006024 |
0,0725 |
0,005236 |
0,0630 |
0,004854 |
0,0555 |
0,004348 |
0,0513 |
0,004032 |
0,0256 |
0,002299 |
0,0548 |
0,001497 |
0,1571 |
0,001148 |
0,1165 |
0,001006 |
0,0743 |
0,000923 |
0,4416 |
0,000702 |
0,2470 |
0,000135 |
0,3840 |
0,000090 |
0,3954 |
0,000086 |
0,3615 |
0,000078 |
0,5867 |
0,000062 |
0,4067 |
0,000050 |
0,4076 |
0,000045 |
0,1133 |
0,000037 |
0,0595 |
0,000034 |
0,3448 |
0,000028 |
0,0625 |
0,000025 |
0,4759 |
0,000023 |
0,4072 |
0,000020 |
0,3477 |
0,000020 |
0,4202 |
0,000019 |
0,1039 |
0,000018 |
0,3960 |
0,000018 |
За допомогою функції ЛИНЕЙН знаходимо параметри оцінок рівняння та обчислюємо значення коефіцієнта детермінації.
Для функції :
abs(еі) |
X-0,5 |
0,0841 |
0,08839 |
0,0774 |
0,07881 |
0,0589 |
0,07762 |
0,0725 |
0,07236 |
0,0630 |
0,06967 |
0,0555 |
0,06594 |
0,0513 |
0,06350 |
0,0256 |
0,04795 |
0,0548 |
0,03869 |
0,1571 |
0,03388 |
0,1165 |
0,03172 |
0,0743 |
0,03037 |
0,4416 |
0,02650 |
0,2470 |
0,01164 |
0,3840 |
0,00951 |
0,3954 |
0,00929 |
0,3615 |
0,00881 |
0,5867 |
0,00786 |
0,4067 |
0,00705 |
0,4076 |
0,00671 |
0,1133 |
0,00608 |
0,0595 |
0,00587 |
0,3448 |
0,00529 |
0,0625 |
0,00496 |
0,4759 |
0,00478 |
0,4072 |
0,00452 |
0,3477 |
0,00449 |
0,4202 |
0,00431 |
0,1039 |
0,00429 |
0,3960 |
0,00421 |
Для функції :
abs(еі) |
X0,5 |
0,0841 |
11,31371 |
0,0774 |
12,68858 |
0,0589 |
12,88410 |
0,0725 |
13,82027 |
0,0630 |
14,35270 |
0,0555 |
15,16575 |
0,0513 |
15,74802 |
0,0256 |
20,85665 |
0,0548 |
25,84570 |
0,1571 |
29,51271 |
0,1165 |
31,52777 |
0,0743 |
32,92416 |
0,4416 |
37,73592 |
0,2470 |
85,93020 |
0,3840 |
105,14752 |
0,3954 |
107,69401 |
0,3615 |
113,49890 |
0,5867 |
127,16131 |
0,4067 |
141,93661 |
0,4076 |
149,04026 |
0,1133 |
164,45060 |
0,0595 |
170,49633 |
0,3448 |
189,20624 |
0,0625 |
201,57629 |
0,4759 |
209,05023 |
0,4072 |
221,34362 |
0,3477 |
222,52416 |
0,4202 |
232,04741 |
0,1039 |
233,10727 |
0,3960 |
237,59840 |
Для функції :
abs(еі) |
X |
0,0841 |
128 |
0,0774 |
161 |
0,0589 |
166 |
0,0725 |
191 |
0,0630 |
206 |
0,0555 |
230 |
0,0513 |
248 |
0,0256 |
435 |
0,0548 |
668 |
0,1571 |
871 |
0,1165 |
994 |
0,0743 |
1084 |
0,4416 |
1424 |
0,2470 |
7384 |
0,3840 |
11056 |
0,3954 |
11598 |
0,3615 |
12882 |
0,5867 |
16170 |
0,4067 |
20146 |
0,4076 |
22213 |
0,1133 |
27044 |
0,0595 |
29069 |
0,3448 |
35799 |
0,0625 |
40633 |
0,4759 |
43702 |
0,4072 |
48993 |
0,3477 |
49517 |
0,4202 |
53846 |
0,1039 |
54339 |
0,3960 |
56453 |
Характер
гетероскедастичності найвірніше описує
рівняння
, оскільки коефіцієнт детермінації тут
найбільший.