- •Национальный Исследовательский Университет Высшая Школа Экономики Факультет мировой экономики и мировой политики
- •Введение
- •Построение регрессионной модели
- •Линейная модель:
- •Логарифмическая модель:
- •Полулогарифмическая модель (1):
- •Полулогарифмическая модель (2):
- •Выбор модели с наилучшей объясняющей способностью:
- •Сравнение линейной и полулогарифмической (1) моделей.
- •Полулогарифмическая модель с включением переменной d_priceperm_hat Таблица 9
- •Линейная модель с включением переменной d_lnpriceperm_hat Таблица 10
- •Сравнение линейной и логарифмической моделей.
- •Среднее геометрическое priceperm Таблица 11
- •Линейная модель с включением переменной priceperm_star Таблица 12
- •Логарифмическая модель с включением переменной lgpriceperm_star Таблица 13
- •Сравнение логарифмической и полулогарифмической(1) моделей
- •Сравнение полулогарифмической (1) и полулогарифмической (2) моделей
- •Тестирование модели
- •Тестирование модели на мультиколлинеарность
- •Тестирование модели на гетероскедастичность
- •Полулогарифмическая модель с введёнными робастными поправками Таблица 16
- •Тестирование модели на наличие пропущенных переменных
- •Тестирование модели на возможные изменения при введении квадрата одной из переменных
- •Полулогарифмическая модель с введением переменной sq_kitsp Таблица 17
- •Проверка гипотез
- •Гипотеза 1: этаж, на котором расположена квартира, и количество этажей в доме одинаково влияют на цену квадратного метра.
- •Полулогарифмическая модель с введением переменной f13 и робастными поправками
- •Этаж, на котором расположена квартира, и количество этажей в доме одинаково влияют на цену квадратного метра.
- •Расположение квартиры на 13-м этаже отрицательно влияет на цену квадратного метра и снижает её на 4,8%.
- •Влияние несчастливого числа 13 (в качестве номера дома) и счастливых чисел 7 и 3 (в качестве номеров домов и этажей) на цену квадратного метра не выявлено.
Тестирование модели
Тестирование модели на мультиколлинеарность
Тестирование модели на мультиколлинеарность Таблица 15
Variable |
VIF |
1/VIF |
kitsp |
3.16 |
0.316009 |
totsp |
2.72 |
0.367271 |
floors |
2.28 |
0.438399 |
brick |
1.40 |
0.714848 |
nfloor |
1.35 |
0.739590 |
dist |
1.22 |
0.818237 |
walk |
1.14 |
0.878354 |
metrdist |
1.13 |
0.884390 |
floor |
1.08 |
0.926682 |
sw |
1.06 |
0.947458 |
new |
1.04 |
0.962782 |
tel |
1.01 |
0.989702 |
Mean VIF |
1.55 |
|
Согласно результатам теста, мультиколлинеарность в модели отсутствует
Тестирование модели на гетероскедастичность
Проводим тест Уайта на гетероскедастичность
White's test for Ho: homoskedasticity
against Ha: unrestricted heteroskedasticity
chi2(83) = 151.49
Prob > chi2 = 0.0000
Cameron & Trivedi's decomposition of IM-test
Source |
chi2 |
df |
p |
Heteroskedasticity |
151.49 |
83 |
0.0000 |
Skewness |
30.57 |
12 |
0.0023 |
Kurtosis |
0.05 |
1 |
0.8173 |
Total |
182.11 |
96 |
0.0000 |
Согласно результатам теста, гипотеза о гомоскедастичности не принимается, в модели присутствует гетероскедастичность. В связи с этим необходимо ввести робастные поправки.
Полулогарифмическая модель с введёнными робастными поправками Таблица 16
Linear regression Number of obs = 763
F( 12, 750) = 64.30
Prob > F = 0.0000
R-squared = 0.4959
Root MSE = .11252
|
Robust |
|
|
||||
lnpriceperm |
Coef. |
Std. Err. |
t |
P>t |
[95% Conf. |
Interval] |
|
totsp |
-.0039887 |
.001076 |
-3.71 |
0.000 |
-.0061011 |
-.0018764 |
|
kitsp |
.0208337 |
.0042951 |
4.85 |
0.000 |
.0124019 |
.0292656 |
|
dist |
-.0202985 |
.001275 |
-15.92 |
0.000 |
-.0228016 |
-.0177955 |
|
metrdist |
-.0064124 |
.0011026 |
-5.82 |
0.000 |
-.008577 |
-.0042478 |
|
walk |
.0943859 |
.0091225 |
10.35 |
0.000 |
.0764773 |
.1122946 |
|
brick |
.0437063 |
.0100798 |
4.34 |
0.000 |
.0239183 |
.0634942 |
|
tel |
.0226295 |
.0117326 |
1.93 |
0.054 |
-.0004032 |
.0456622 |
|
floor |
.0747079 |
.0098475 |
7.59 |
0.000 |
.055376 |
.0940398 |
|
new |
-.0714038 |
.0312315 |
-2.29 |
0.023 |
-.1327153 |
-.0100923 |
|
floors |
.007333 |
.0011424 |
6.42 |
0.000 |
.0050903 |
.0095756 |
|
nfloor |
.0043739 |
.0010661 |
4.10 |
0.000 |
.002281 |
.0064669 |
|
sw |
.0427449 |
.0083814 |
5.10 |
0.000 |
.0262911 |
.0591987 |
|
_cons |
8.648569 |
.0417 |
207.40 |
0.000 |
8.566707 |
8.730432 |
|