Часть I. Спецификация формы зависимости в Excel

Построение модели:

1) В Excel постройте следующую таблицу:

2) Постройте эконометрические модели следующего вида:

· (1)

· (2)

· (3)

· (4)

Оценка качества модели:

3) Для каждой из моделей проверьте гипотезу о статистической значимости параметров на уровнях значимости

4) Проверьте гипотезу о статистической значимости коэффициента детерминации всех моделей для уровней

5) Проверьте качество спецификации моделей с помощью критериев Рамсея и Амемья.

Выводы

6) Укажите недостатки каждой из рассмотренных моделей.

7) Выберите наилучшим образом специфицированную модель.

Часть II. Спецификация формы зависимости в EViews

8) Откройте в EViews файл, созданный в первой части лабораторной работы. Для этого выполните команду File-Open-Foreign Data as Workfile…

9) Постройте модели (1), (2), (3) и (4), сделайте выводы о значимости их параметров и адекватности.

10) Для этого выполните команду меню Quick-Estimate Equation… и введите соответствующее уравнение спецификации. В качестве метода оценки параметров выберите МНК (LS – Least Squares).

11) Проведите тест Рамсея для каждой из моделей. Для этого загрузите нужную модель и выполните команду View–Stability Tests–Ramsey RESET Test… Число переменных для подстановки выбирайте равным 3.

12) Проанализируйте генерируемые отчеты, сделайте выводы о качестве спецификации моделей.

13) В каждом из отчетов проанализируйте значения критериев Акаике и Шварца, укажите наиболее качественно специфицированную модель.

Лабораторная работа № 5

Обнаружение и подавление гетероскедастичности

Тема:

Эконометрический анализ в условиях нарушений классических модельных предположений

Цели:

Освоить методы обнаружения и подавления гетероскедастичности

Контрольные вопросы

Ответьте на следующие вопросы:

1. Что такое гетероскедастичность?

2. Каковы последствия гетероскедастичности?

3. Что такое эффективность и несмещенность оценок модели?

4. Какие существуют способы обнаружения гетероскедастичности?

5. В чем заключается графический анализ остатков?

6. В чем заключается тест Вайта?

7. В чем заключается перекрестный тест Вайта?

8. Какие существуют способы подавления гетероскедастичности?

9. Что такое взвешенный МНК?

10. Что такое обобщенный МНК?

Ход работы

1) В Excel постройте следующую таблицу:

2) Откройте в EViews файл, содержащий данную таблицу. Для этого выполните команду File-Open-Foreign Data as Workfile.

3) Постройте модель вида:

.

4) Для этого выполните команду меню Quick-Estimate Equation… и введите соответствующее уравнение спецификации. В качестве метода оценки параметров выберите МНК (LS – Least Squares).

5) Сделайте выводы о значимости параметров модели.

6) Постройте гистограмму распределения остатков модели (команда View-Residual Tests-Histogram - Normality Test), с помощью полученного отчета укажите уровень значимости, на котором может быть принята гипотеза о нормальном распределении остатков.

7) Проведите графический анализ остатков. Для этого выполните следующие действия:

1) Сгенерируйте ряд квадратов остатков модели. Команда Object–Generate Series. В качестве формулы введите R2=RESID^2. В результате появится новая переменная R2 (рис. 18).

Рис. 18. Генерация квадратов остатков

2) Постройте точечный график зависимости от . Для этого выделите в рабочем окне переменные X1 и R2, выполните двойной щелчок и выберите пункт меню Open Group, в появившемся окне выполните команду View-Graph-XY line-XY Pairs.

3) Сделайте вывод о наличии гетероскедастичности.

4) Проделайте пункты 8.1 – 8.3 для остальных экзогенных переменных модели.

5) Проведите перекрестный и обычный тест Вайта для построенной модели. Для этого загрузите построенную модель EQ01, выполните команды View-Residual Tests-White Heteroskedasticity…(рис. 19).

Рис. 19. Тест Вайта

6) Изучите полученные отчеты, сделайте вывод о наличии/отсутствии гетероскедастичности. Сравните результаты обычного и перекрестного теста Вайта.

7) Постройте модель, аналогичную рассматриваемой ранее, но с использованием взвешенного МНК. Для этого выполните команду Quick-Estimate Equation…, введите уравнение спецификации, в качестве метода оценки параметров выберите МНК (LS – Least Squares). Затем переключитесь на закладку Options и установите опцию Weighted LS/TSLS. В качестве весов укажите соответствующую переменную (рис. 20).

Рис. 20. Взвешенный МНК

8) Проведите графический анализ новой модели и тест Вайта.

9) Сравните качество спецификации в двух случаях.

Лабораторная работа № 6