Контрольная работа по дисциплине "Эконометрика". Вариант №10

Описание данных и задание

Рассматривается модель линейной регрессии ;Y — зависимая переменная; X j — факторы регрессии; i — номер наблюдения; действуют стандартные предположения линейной регрессии;

Задание 1. Оценка параметров регрессии МНК, базовая «инференция» о модели (t-критерий, F-критерий), базовый анализ остатков модели. Проделайте необходимые расчеты в среде MATRIXER , приведите их результаты и прокомментируйте согласно пунктам 1.1. — 1.5. задания.

1.1. Оцените параметры линейной регрессии МНК;

1.2. Оцените значимость каждого фактора в отдельности по t-критерию;

1.3. Оцените совместную значимость всех факторов по F-критерию;

1.4. Проверка гетероскедастичности остатков (используйте результаты оценивания, приведенные в базовых статистиках уравнения в среде MATRIXER);

1.5. Проверка нормальности остатков (используйте результаты оценивания, приведенные в базовых статистиках уравнения в среде MATRIXER);

Задание 2. Проверка ряда гипотез о модели с помощью классических критериев, основанных на оценках регрессии МНК с ограничениями. Следуйте комментариям к пунктам 2.1. — 2.4., развернуто ответьте на все заданные вопросы.

2.1. Проверить совместную значимость факторов X1, X3;

Постройте вспомогательную регрессию, не включающую в себя переменные X 1 и X 3 . Сравните регрессии (исходную и вспомогательную) по сумме квадратов остатков, постройте F -Статистику для проверки существенности ограничений. Сколько ограничений в данном случае проверяется? Какая из регрессий является регрессией без ограничений, а какая с учетом ограничений? Каково значение статистики и РДУЗ? Каков результат тестаи его интерпретация?

2.2. RESET тест Рамсея;

После оценки исходного уравнения регрессии сохраните в отдельную переменную расчетные значения зависимой переменной (скрытая матрица \ Fitted , дайте ей новое имя) и постройте вспомогательную регрессию, в которой факторами являются не только переменные X 1 — X 3 , но и квадрат и куб расчетных значений исходного уравнения. Постройте F -статистику для проверки совместной значимости добавленных факторов. Сколько ограничений в данном случае проверяется? Какая из регрессий является регрессией без ограничений, а какая с учетом ограничений? Каково значение статистики и РДУЗ? Каков результат теста и его интерпретация?

2.3. Проверка постоянства коэффициентов тестом Чоу I формы (выборку делить пополам)

Создайте вспомогательную переменную (назовите ее, скажем, Chow _ Break ), и задайте ей значения (можно в ручную редактированием в среде MATRIXER , а можно предварительно создать переменную в среде Excel , а затем скопировать в MATRIXER ) — переменная принимает значение 1 для первой половины наблюдений, а для второй половины наблюдений — значение 0.

Оцените вспомогательную регрессию, в которой вместо исходных факторов X 1, X 2, X 3 участвует набор факторов X 1* Chow _ Break , X 2* Chow _ Break , X 3* Chow _ Break , X 1*(1- Chow _ Break ), X 2*(1- Chow _ Break ), X 3*(1- Chow _ Break ). Создавать новые факторы не обязательно, достаточно указать их формулы непосредственно в строке команд при записи команды для оценки регрессии МНК.

Сравните полученную вспомогательную и исходную регрессии, постройте F -статистику для проверки равенства коэффициентов при «разных половинах» исходных факторов во вспомогательной регрессии. Сколько ограничений в данном случае проверяется? Какая из регрессий является регрессией без ограничений, а какая с учетом ограничений? Каково значение статистики и РДУЗ? Каков результат теста и его интерпретация?

2.4. Проверка гетероскедастичности (тест Бреуша – Годфри – Пагана);

После оценки исходной регрессии сохраните в отдельную переменную остатки из уравнения (скрытая матрица \ Resids , дайте ей новое имя, например, Resid 1 ) и рассчитайте квадрат остатков (введите в командное окно команду R esid2:= R esid1^2 и нажмите «Выполнить», теперь в переменной Resid 2 — квадраты остатков исходного уравнения).

Создайте вспомогательную регрессию, где в качестве зависимой выступает переменная Resi d2 , а факторы — исходный набор факторов, номер наблюдения (для него придется создать отдельную переменную, либо используйте интерактивную переменную $ i ) , квадраты факторов (также подумайте, какие еще переменные можно добавить в эту регрессию). Оцените вклад каждого из этих факторов в зависимую переменную, есть ли между ней и какими-либо факторами существенная корреляция? Проверьте совместную значимость всех факторов в этой вспомогательной регрессии, при необходимости удалите незначимые факторы и переоцените уравнение. Какова интерпретация результата? Как можно использовать результаты этого теста?

Исходные данные для задачи (Вариант 10):
Y X1 X2 X3
312,1281791 18,9990991 11,99947725 12,99737875
329,1606408 22,99806603 15,00093312 18,99900186
313,4150587 15,99899581 -1,000982638 8,001332601
304,3912539 20,00045258 4,997755993 32,00216137
334,1525886 20,99908182 2,002548986 3,002392666
299,0218674 12,99891833 12,99814797 15,99972726
306,0479043 11,9999458 4,998744989 8,003737341
317,2629458 16,99987196 -3,999596071 15,00405689
311,4797307 15,99891571 -5,999672351 29,00146922
351,1066162 26,00062683 3,999507177 15,99336734
330,6866893 22,00014725 4,999332632 15,00441045
330,8654872 21,99992149 0,999345281 19,00365864
350,1703229 25,00009518 2,999762652 7,008961174
339,2186657 25,00016042 14,00134303 8,999918299
302,5042095 14,99865116 8,002145473 33,00984273
328,6784269 20,99977173 13,00107987 12,9958873
305,1384058 11,99963825 13,9998204 9,998829811
325,0810458 17,00053211 11,99960325 6,015449794
316,416776 16,999671 9,999767555 9,001973792
309,1899529 12,00063144 -0,999629394 3,992854873
...
(приведены первые 20 значений из 480)

Оценка: Зачет