Механическое удерживание земляных масс: Механическое удерживание земляных масс на склоне обеспечивают контрфорсными сооружениями различных конструкций...
Историки об Елизавете Петровне: Елизавета попала между двумя встречными культурными течениями, воспитывалась среди новых европейских веяний и преданий...
Топ:
Марксистская теория происхождения государства: По мнению Маркса и Энгельса, в основе развития общества, происходящих в нем изменений лежит...
Процедура выполнения команд. Рабочий цикл процессора: Функционирование процессора в основном состоит из повторяющихся рабочих циклов, каждый из которых соответствует...
Генеалогическое древо Султанов Османской империи: Османские правители, вначале, будучи еще бейлербеями Анатолии, женились на дочерях византийских императоров...
Интересное:
Наиболее распространенные виды рака: Раковая опухоль — это самостоятельное новообразование, которое может возникнуть и от повышенного давления...
Аура как энергетическое поле: многослойную ауру человека можно представить себе подобным...
Распространение рака на другие отдаленные от желудка органы: Характерных симптомов рака желудка не существует. Выраженные симптомы появляются, когда опухоль...
Дисциплины:
2020-04-01 | 179 |
5.00
из
|
Заказать работу |
|
|
Провести тест Чоу,
Возможно, все изменилось в 2000-х, когда цена нефти стала достаточно высокой.
Chow Breakpoint Test: 2000 | ||||
Null Hypothesis: No breaks at specified breakpoints | ||||
Varying regressors: All equation variables | ||||
Equation Sample: 1994 2007 | ||||
F-statistic | 1.116904 | Prob. F(3,8) | 0.3978 | |
Log likelihood ratio | 4.897746 | Prob. Chi-Square(3) | 0.1794 | |
Wald Statistic | 3.350713 | Prob. Chi-Square(3) | 0.3406 |
Значение F-статистики соответствует p-value около 40%, поэтому гипотеза о равенстве коэффициентов (всех трех) не отвергается. Делаем вывод, что серьезных изменений не произошло.
Провести тест Бокса - Кокса,
Все переменные номинальные. И в основном растут со временем, возможно, экспоненциально. Поэтому есть смысл оценить регрессию в логарифмах.
Dependent Variable: LOG(STOCK) | ||||
Method: Least Squares | ||||
Date: 12/27/08 Time: 23:49 | ||||
Sample: 1994 2007 | ||||
Included observations: 14 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -11.77487 | 11.20011 | -1.051317 | 0.3157 |
LOG(M) | 0.872621 | 4.908188 | 0.177789 | 0.8621 |
LOG(OIL) | 3.185984 | 2.900511 | 1.098421 | 0.2955 |
R-squared | 0.214354 | Mean dependent var | 2.158374 | |
Adjusted R-squared | 0.071509 | S.D. dependent var | 2.942306 | |
S.E. of regression | 2.835155 | Akaike info criterion | 5.109480 | |
Sum squared resid | 88.41913 | Schwarz criterion | 5.246420 | |
Log likelihood | -32.76636 | F-statistic | 1.500605 | |
Durbin-Watson stat | 0.574028 | Prob(F-statistic) | 0.265307 |
Знаки коэффициентов не изменились, однако оба стали незначимы.
Проверяем, какая модель лучше подходит с помощью теста Бокса-Кокса.
Проводим преобразование Зарембки. В данном случае (для логарифмической модели) делим каждую переменную на среднее геометрическое этой переменной по всем наблюдениям. Расчеты проводим в eviews, который не рассчитывает среднего геометрического, поэтому сначала считаем среднее арифметическое логарифмов переменных, затем возводим экспоненту в соответствующую степень, чтобы получить среднее геометрическое. Затем оцениваем линейную и логарифмическую модели и сравниваем RSS.
|
Новые переменные, полученные в результате преобразования Zarembka, назовем zStock, zOil, zM.
Dependent Variable: ZSTOCK | ||||
Method: Least Squares | ||||
Date: 01/05/09 Time: 23:23 | ||||
Sample: 1994 2007 | ||||
Included observations: 14 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -7.421860 | 1.926113 | -3.853283 | 0.0027 |
ZOIL | 4.613613 | 1.706258 | 2.703936 | 0.0205 |
ZM | 5.986387 | 2.959311 | 2.022899 | 0.0681 |
R-squared | 0.843461 | Mean dependent var | 3.652800 | |
Adjusted R-squared | 0.814999 | S.D. dependent var | 3.525590 | |
S.E. of regression | 1.516416 | Akaike info criterion | 3.857986 | |
Sum squared resid | 25.29469 | Schwarz criterion | 3.994927 | |
Log likelihood | -24.00590 | F-statistic | 29.63503 | |
Durbin-Watson stat | 1.683804 | Prob(F-statistic) | 0.000037 |
Estimation Equation:(ZSTOCK) = C(1) + C(2)*LOG(ZOIL) + C(3)*LOG(ZM)Coefficients:(ZSTOCK) = 3.805344066e-010 + 3.185983792*LOG(ZOIL) + 0.8726208796*LOG(ZM)
Dependent Variable: LOG(ZSTOCK) | ||||
Method: Least Squares | ||||
Date: 01/05/09 Time: 23:24 | ||||
Sample: 1994 2007 | ||||
Included observations: 14 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 3.81E-10 | 0.757727 | 5.02E-10 | 1.0000 |
LOG(ZOIL) | 3.185984 | 2.900511 | 1.098421 | 0.2955 |
LOG(ZM) | 0.872621 | 4.908188 | 0.177789 | 0.8621 |
R-squared | 0.214354 | Mean dependent var | -2.87E-11 | |
Adjusted R-squared | 0.071509 | S.D. dependent var | 2.942306 | |
S.E. of regression | 2.835155 | Akaike info criterion | 5.109480 | |
Sum squared resid | 88.41913 | Schwarz criterion | 5.246420 | |
Log likelihood | -32.76636 | F-statistic | 1.500605 | |
Durbin-Watson stat | 0.574028 | Prob(F-statistic) | 0.265307 |
У линейной регрессии значение RSS значительно меньше, чем у логарифмической.
Вывод: линейная спецификация лучше описывает данные.
Провести тест Рамсея,
Тестируем модель на пропущенные переменные
Ramsey RESET Test: | |||||
F-statistic | 0.606829 | Prob. F(2,9) | 0.5659 | ||
Log likelihood ratio | 1.771018 | Prob. Chi-Square(2) | 0.4125 | ||
Test Equation: | |||||
Dependent Variable: STOCK | |||||
Method: Least Squares | |||||
Date: 12/22/08 Time: 11:30 | |||||
Sample: 1994 2007 | |||||
Included observations: 14 | |||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. | |
C | -48.61893 | 76.42636 | -0.636154 | 0.5405 | |
M | 1.716507 | 2.539427 | 0.675943 | 0.5161 | |
OIL | 1.008972 | 1.225458 | 0.823342 | 0.4316 | |
FITTED^2 | -0.003455 | 0.025301 | -0.136576 | 0.8944 | |
FITTED^3 | 6.19E-05 | 0.000175 | 0.353875 | 0.7316 | |
R-squared | 0.862062 | Mean dependent var | 31.62247 | ||
Adjusted R-squared | 0.800756 | S.D. dependent var | 30.52121 | ||
S.E. of regression | 13.62366 | Akaike info criterion
| 8.333947 | ||
Sum squared resid | 1670.438 | Schwarz criterion | 8.562181 | ||
Log likelihood | -53.33763 | Hannan-Quinn criter. | 8.312819 | ||
F-statistic | 14.06169 | Durbin-Watson stat | 1.717569 | ||
Prob(F-statistic) | 0.000656 |
Пропущенных переменных нет.
Также этот тест применяется для проверки на гетероскедастичность. Ее он тоже не выявил.
Проверить данные на наличие мультиколлинеарности, принять меры при ее наличии,
Считаем VIF. Здесь всего 2 регрессора, поэтому VIF всего один
Estimation Command:M C OILEquation:
= C(1) + C(2)*OIL
Substituted Coefficients:
= 12.80018758 + 0.3457604628*OIL
Провести тесты на гетероскедастичность остатков регрессии, при необходимости провести коррекцию,
Делаем тест White
Heteroskedasticity Test: White | ||||
F-statistic | 0.312788 | Prob. F(2,11) | 0.7377 | |
Obs*R-squared | 0.753344 | Prob. Chi-Square(2) | 0.6861 | |
Scaled explained SS | 0.285997 | Prob. Chi-Square(2) | 0.8668 | |
Test Equation: | ||||
Dependent Variable: RESID^2 | ||||
Method: Least Squares | ||||
Date: 12/22/08 Time: 11:38 | ||||
Sample: 1994 2007 | ||||
Included observations: 14 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 215.1137 | 116.0538 | 1.853570 | 0.0908 |
M^2 | -0.234352 | 0.302622 | -0.774406 | 0.4550 |
OIL^2 | 0.052258 | 0.085459 | 0.611497 | 0.5533 |
R-squared | 0.053810 | Mean dependent var | 135.4070 | |
Adjusted R-squared | -0.118224 | S.D. dependent var | 155.8360 | |
S.E. of regression | 164.7905 | Akaike info criterion | 13.23464 | |
Sum squared resid | 298715.0 | Schwarz criterion | 13.37158 | |
Log likelihood | -89.64246 | Hannan-Quinn criter. | 13.22196 | |
F-statistic | 0.312788 | Durbin-Watson stat | 2.456647 | |
Prob(F-statistic) | 0.737701 |
Оценить тобит - модель
Оценить модель Хекмана
Провести тест Чоу,
Возможно, все изменилось в 2000-х, когда цена нефти стала достаточно высокой.
Chow Breakpoint Test: 2000 | ||||
Null Hypothesis: No breaks at specified breakpoints | ||||
Varying regressors: All equation variables | ||||
Equation Sample: 1994 2007 | ||||
F-statistic | 1.116904 | Prob. F(3,8) | 0.3978 | |
Log likelihood ratio | 4.897746 | Prob. Chi-Square(3) | 0.1794 | |
Wald Statistic | 3.350713 | Prob. Chi-Square(3) | 0.3406 |
Значение F-статистики соответствует p-value около 40%, поэтому гипотеза о равенстве коэффициентов (всех трех) не отвергается. Делаем вывод, что серьезных изменений не произошло.
Провести тест Бокса - Кокса,
Все переменные номинальные. И в основном растут со временем, возможно, экспоненциально. Поэтому есть смысл оценить регрессию в логарифмах.
Dependent Variable: LOG(STOCK) | |||||
Method: Least Squares | |||||
Date: 12/27/08 Time: 23:49 | |||||
Sample: 1994 2007 | |||||
Included observations: 14 | |||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. | |
C | -11.77487 | 11.20011 | -1.051317 | 0.3157 | |
LOG(M) | 0.872621 | 4.908188 | 0.177789 | 0.8621 | |
LOG(OIL) | 3.185984 | 2.900511 | 1.098421 | 0.2955 | |
R-squared | 0.214354 | Mean dependent var
| 2.158374 | ||
Adjusted R-squared | 0.071509 | S.D. dependent var | 2.942306 | ||
S.E. of regression | 2.835155 | Akaike info criterion | 5.109480 | ||
Sum squared resid | 88.41913 | Schwarz criterion | 5.246420 | ||
Log likelihood | -32.76636 | F-statistic | 1.500605 | ||
Durbin-Watson stat | 0.574028 | Prob(F-statistic) | 0.265307 |
Знаки коэффициентов не изменились, однако оба стали незначимы.
Проверяем, какая модель лучше подходит с помощью теста Бокса-Кокса.
Проводим преобразование Зарембки. В данном случае (для логарифмической модели) делим каждую переменную на среднее геометрическое этой переменной по всем наблюдениям. Расчеты проводим в eviews, который не рассчитывает среднего геометрического, поэтому сначала считаем среднее арифметическое логарифмов переменных, затем возводим экспоненту в соответствующую степень, чтобы получить среднее геометрическое. Затем оцениваем линейную и логарифмическую модели и сравниваем RSS.
Новые переменные, полученные в результате преобразования Zarembka, назовем zStock, zOil, zM.
Dependent Variable: ZSTOCK | ||||
Method: Least Squares | ||||
Date: 01/05/09 Time: 23:23 | ||||
Sample: 1994 2007 | ||||
Included observations: 14 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -7.421860 | 1.926113 | -3.853283 | 0.0027 |
ZOIL | 4.613613 | 1.706258 | 2.703936 | 0.0205 |
ZM | 5.986387 | 2.959311 | 2.022899 | 0.0681 |
R-squared | 0.843461 | Mean dependent var | 3.652800 | |
Adjusted R-squared | 0.814999 | S.D. dependent var | 3.525590 | |
S.E. of regression | 1.516416 | Akaike info criterion | 3.857986 | |
Sum squared resid | 25.29469 | Schwarz criterion | 3.994927 | |
Log likelihood | -24.00590 | F-statistic | 29.63503 | |
Durbin-Watson stat | 1.683804 | Prob(F-statistic) | 0.000037 |
Estimation Equation:(ZSTOCK) = C(1) + C(2)*LOG(ZOIL) + C(3)*LOG(ZM)Coefficients:(ZSTOCK) = 3.805344066e-010 + 3.185983792*LOG(ZOIL) + 0.8726208796*LOG(ZM)
Dependent Variable: LOG(ZSTOCK) | ||||
Method: Least Squares | ||||
Date: 01/05/09 Time: 23:24 | ||||
Sample: 1994 2007 | ||||
Included observations: 14 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 3.81E-10 | 0.757727 | 5.02E-10 | 1.0000 |
LOG(ZOIL) | 3.185984 | 2.900511 | 1.098421 | 0.2955 |
LOG(ZM) | 0.872621 | 4.908188 | 0.177789 | 0.8621 |
R-squared | 0.214354 | Mean dependent var | -2.87E-11 | |
Adjusted R-squared | 0.071509 | S.D. dependent var | 2.942306 | |
S.E. of regression | 2.835155 | Akaike info criterion | 5.109480 | |
Sum squared resid | 88.41913 | Schwarz criterion | 5.246420 | |
Log likelihood | -32.76636 | F-statistic | 1.500605 | |
Durbin-Watson stat | 0.574028 | Prob(F-statistic) | 0.265307 |
У линейной регрессии значение RSS значительно меньше, чем у логарифмической.
Вывод: линейная спецификация лучше описывает данные.
|
Провести тест Рамсея,
Тестируем модель на пропущенные переменные
Ramsey RESET Test: | ||||
F-statistic | 0.606829 | Prob. F(2,9) | 0.5659 | |
Log likelihood ratio | 1.771018 | Prob. Chi-Square(2) | 0.4125 | |
Test Equation: | ||||
Dependent Variable: STOCK | ||||
Method: Least Squares | ||||
Date: 12/22/08 Time: 11:30 | ||||
Sample: 1994 2007 | ||||
Included observations: 14 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -48.61893 | 76.42636 | -0.636154 | 0.5405 |
M | 1.716507 | 2.539427 | 0.675943 | 0.5161 |
OIL | 1.008972 | 1.225458 | 0.823342 | 0.4316 |
FITTED^2 | -0.003455 | 0.025301 | -0.136576 | 0.8944 |
FITTED^3 | 6.19E-05 | 0.000175 | 0.353875 | 0.7316 |
R-squared | 0.862062 | Mean dependent var | 31.62247 | |
Adjusted R-squared | 0.800756 | S.D. dependent var | 30.52121 | |
S.E. of regression | 13.62366 | Akaike info criterion | 8.333947 | |
Sum squared resid | 1670.438 | Schwarz criterion | 8.562181 | |
Log likelihood | -53.33763 | Hannan-Quinn criter. | 8.312819 | |
F-statistic | 14.06169 | Durbin-Watson stat | 1.717569 | |
Prob(F-statistic) | 0.000656 |
Пропущенных переменных нет.
Также этот тест применяется для проверки на гетероскедастичность. Ее он тоже не выявил.
|
|
Индивидуальные очистные сооружения: К классу индивидуальных очистных сооружений относят сооружения, пропускная способность которых...
Наброски и зарисовки растений, плодов, цветов: Освоить конструктивное построение структуры дерева через зарисовки отдельных деревьев, группы деревьев...
Кормораздатчик мобильный электрифицированный: схема и процесс работы устройства...
Типы сооружений для обработки осадков: Септиками называются сооружения, в которых одновременно происходят осветление сточной жидкости...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!