Существует несколько методов: 1)метод наименьших квадратов:один из наиболее распространенных.Суть нужно рассчитать такие значения коэ-тов ß0иß1,к-ые миним. Бы сумму квадратов отклонения наблюдаемых значений результативной переменной у от теоретических значений у⁻ b1=∑(x-x⁻)(y-y⁻)/∑(x-x⁻)2 b0=y¯-b1*x⁻
В32 линейная многофакторная y=b0+b1x1+b2x2+…+bmxm+e где y факт.значеиние зависимой переменной, х-значеиние независимой переменной,b параметры модели e случайный член. Параметры b0 b1 оцениваются с помощью МНК и вычисляются их оценки. Теорет. вид модели yˆ=b0+b1x1+b2x2+…+bmxm где yˆ-теорет. значение зависящей переменной получ. подстановкой в построенную модель соответствующих значений независимой переменной х
В24Тест Голдфелда-Квандта предполагается что стандартное отклонение случ.члена пропорционально значению независимой переменно. Тест вкл.след шаги:1.все n наблюдений в выборке упорядочиваются по возростанию переменной х2.оцениваются отдельные регрессии для первых n0 и для последних n0наблюдений.Средние (n-2n0)отбрасываются3.составляется статистика F=RSS2/RSS1 ГДЕ RSS1 RSS2 суммы квадратов остатков для первых и последник n0 наблюдений.если верна гипотеза H0 об отсутствие гетероскедантичности то F имеет распределение Фишера v1=n0-k-1, v2=n0-k-1 степенями свободы,где k-число объясняющих переменных. По таблице опред. Критическое значение критерия если F>fкр то нулевая гипотеза об отсутствие гетероскедастичности отклоняется.
В25 Тест Глейзера основывается на более общих представлениях о зависимости стандартной ошибки случайного члена от значений объясняющей переменнойю. Зависимость может быть представлена в виде:σi=a+ßxiy+ei
Используя абсолютные значения остатков в качестве σш оценивают данную регрессию зависимость при различных значения у и выбирают наилучшую из них. Таким образом гетероскедантичность аппроксимируется уравнением si=a+bxiy где si=-оценкаσi Нулевая гипотеза об отсутствие гетероскедантичности отклоняется если оценка b значимо отличается от нуля.
Поможем написать любую работу на аналогичную тему