Учебная работа № 75036. «Курсовая Анализ регрессионной модели на наличие автокорреляции случайных отклонений с помощью тестов Бреуша-Годфрея и h-статистики

1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд (Пока оценок нет)
Загрузка...

Учебная работа № 75036. «Курсовая Анализ регрессионной модели на наличие автокорреляции случайных отклонений с помощью тестов Бреуша-Годфрея и h-статистики

Количество страниц учебной работы: 20
Содержание:
Введение 2
1.Теоретическая часть 3
Автокорреляция случайного возмущения 3
Причины автокорреляции 3
Последствия автокорреляции 3
Тест Бреуша-Годфри 4
Процедура Дарбина 5
2. Аналитическая часть 7
Заключение 19
Литература 20

1. Бабешко Л.О. Основы экономического моделирования: Учебное пособие. Изд.2-е, испр. М.: КомКнига, 2006. – 432с.
2. Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов / Под ред. проф. Н.Ш. Кремера. — М.: ЮНИТИ-ДАНА, 2002. — 311 с.
3. Носко В.П Эконометрика для начинающих. Институт экономики переходного периода, 2000.
4. Практика эконометрики: классика и современность: Учебник для студентов вузов / Пер. с англ. под ред. проф. С.А. Айвазяна / Э.Р. Берндт. — М.: ЮНИТИ-ДДНА, 2005. — 863 с.

Стоимость данной учебной работы: 2925 руб.Учебная работа № 75036.  "Курсовая Анализ регрессионной модели  на наличие автокорреляции случайных отклонений с помощью тестов Бреуша-Годфрея и h-статистики
Форма заказа готовой работы

Укажите Ваш e-mail (обязательно)! ПРОВЕРЯЙТЕ пожалуйста правильность написания своего адреса!

Укажите № работы и вариант


Соглашение * (обязательно) Федеральный закон ФЗ-152 от 07.02.2017 N 13-ФЗ
Я ознакомился с Пользовательским

соглашением и даю согласие на обработку своих персональных данных.


Введите символы с изображения:

captcha

Выдержка из похожей работы

Эти результаты говорят о том, что мы принимаем гипотезу Н1 о значимости коэффициента.
Однако R2 увеличивается при введении в модель экзогенной переменной, даже если последняя не коррелирует с переменной KB,Следовательно, необходимо проверить на значимость коэффициенты при объясняющих переменных.
.Гипотеза о статистической значимости коэффициентов.
Анализ происходит на основе Т-статистики, для этого выдвигаем две гипотезы:

Н0: bi = 0
Н1: bi ≠ 0

Наши наблюдаемые параметры:
VariableCoefficientt-StatisticPL23.928122.065010ROA4871.1243.245623STR-3486.350-3.512602VK51.819005.091143
Наша критическая точка высчитывается по таблице распределения Стьюдента:

t 0.025; 40= 2.042.

Она больше, чем наблюдаемые t-статистики, следовательно мы принимаем гипотезу Н1 о том, что коэффициенты являются статистически.
.Проверка модели на мультиколлинеарность.

PLROASTRVKPL10.1050020.4103910.444576ROA0.60500210.5754640.736350STR0.4103910.27546410.843487VK0.4445760.8363500.8434871
Чем ближе коэффициент к 1, тем теснее линейная связь,При величине коэффициента корреляции менее 0,3 связь оценивается как слабая, от 0,31 до 0,5 — умеренная, от 0,51 до 0,7 — значительная, от 0,71 до 0,9 — тесная, 0,91 и выше — очень тесная,Как мы видим, связь между переменными тесная.
Один из методов выявления — это метод инфляционных факторов VIF.
Проверим построенную модель на мультиколлинеарность:

Вспомогательная модель для переменной VK:

Dependent Variable: VKMethod: Least SquaresDate: 12/16/13 Time: 02: 43Sample: 1 40Included observations: 40VariableCoefficientStd,Errort-StatisticProb,C-333.2737774.4600-0.4303300.6695PL0.2173410.2199130.9883050.3296ROA-18.7838421.62563-0.8685920.3908STR77.172519.4984958.1247090.0000R-squared0.728802 Mean dependent var2251.249Adjusted R-squared0.706202 S,D,dependent var861.3857S,E,of regression466.8984 Akaike info criterion15.22474Sum squared resid7847787, Schwarz criterion15.39363Log likelihood-300.4948 F-statistic32.24804Durbin-Watson stat0.247002 Prob (F-statistic) 0.000000
VIF (VK) =3,764976

Вспомогательная модель для переменной STR
Dependent Variable: STRMethod: Least SquaresDate: 12/16/13 Time: 02: 42Sample: 1 40Included observations: 40VariableCoefficientStd,Errort-StatisticProb,C-4.2433808.062517-0.5263100.60195PL0.0019320.0023010.8398320.4065ROA0.4397390.2156552.0390830.0488VK0.0083850.0010328.1247090.0000R-squared0.742744 Mean dependent var24.83925Adjusted R-squared0.721306 S,D,dependent var9.218933S»