 |
Выборка наблюдений и результат работы функции "ЛИНЕИН"
|
|
|
|
Выборка наблюдений и результат работы функции " ЛИНЕИН"
| № п/п | Доход Y, | Сбережения S |
| 8, 8 | ||
| 9, 4 | 0, 21 | |
| 0, 08 | ||
| 10, 6 | 0, 2 | |
| 0, 1 | ||
| 11, 9 | 0, 12 | |
| 12, 7 | 0, 41 | |
| 13, 5 | 0, 5 | |
| 14, 3 | 0, 43 | |
| 15, 5 | 0, 59 | |
| 16, 7 | 0, 9 | |
| 18, 6 | 0, 82 | |
| 19, 7 | 1, 04 | |
| 21, 1 | 1, 53 | |
| 22, 8 | 1, 94 | |
| 23, 9 | 1, 75 | |
| 25, 2 | 1, 99 | |
| 2, 03 | ||
| 26, 8 | 2, 4 | |
| 0, 123447 | -1, 15358 | |
| 0, 00754 | 0, 134067 | |
| R2 → | 0, 940367 | 0, 194935 |
| Fтест → | 268, 0791 | |
| 10 18687 | 0, 645992 |
Оцененная модель имеет вид:
Значение коэффициента детерминации равно: 
Значение 
Значение 
Значение 
много больше 
, следовательно, оцененная модель имеет качественную спецификацию или, другими словами, выбранный регрессор влияет на формирование значения эндогенной переменной. В этом случае еще говорят, что модель является статистически значимой.
6. Фиктивные переменные и особенности их использования в моделях.
Термин “фиктивные переменные” используется как противоположность “значащим” переменным, показывающим уровень количественного показателя, принимающего значения из непрерывного интервала. Как правило, фиктивная переменная — это индикаторная переменная, отражающая качественную характеристику.
В регрессионных моделях с временными рядами используется три основных вида фиктивных переменных:
1) Переменные-индикаторы принадлежности наблюдения к определенному периоду — для моделирования скачкообразных структурных сдвигов.
2) Сезонные переменные — для моделирования сезонности.
3) Линейный временной тренд — для моделирования постепенных плавных структурных сдвигов.
|
|
|
Использование фиктивных переменных имеет следующие преимущества:
1. Интервалы между наблюдениями не обязательно должны быть одинаковыми. В выборке могут быть пропущенные наблюдения.
2. Коэффициенты при фиктивных переменных легко интерпретировать, они наглядно представляют структуру динамического процесса.
3. Для оценивания модели не приходится выходить за рамки классического метода наименьших квадратов.
В “фиктивной” форме может быть выражена и зависимая переменная. Такая ситуация имеет место, например, при проведении социологических опросов, когда их результат может быть представлен двумя ответами “да”, “нет” (1 или 0) (предполагаемая покупка автомобиля, дачи; желание иметь ребенка в семье и т. п. ), а влияющие на этот результат факторы выражаются в произвольной форме (количественные характеристики – уровень дохода, жилая площадь и т. п., качественные характеристики – уровень образования и т. д. ).
С формальной точки зрения фиктивные переменные ничем не отличаются от других факторов. Наиболее сложный вопрос, возникающий при их использовании, – это правильная интерпретация получаемых оценок.
Как правило, независимые переменные в регрессионных моделях имеют «непрерывные» области изменения (национальный доход, уровень безработицы, размер зарплаты и т. п. ). Однако теория не накладывает никаких ограничений на характер факторов, в частности, некоторые переменные могут принимать всего два значения или, в более общей ситуации, дискретное множество значений. Необходимость рассматривать такие переменные возникает довольно часто в тех случаях, когда требуется принимать во внимание какой-либо качественный признак.
Таким образом, Для исследования влияния качественных признаков в модель можно вводить бинарные (фиктивные) переменные, которые, как правило, принимают значение 1, если данный качественный признак присутствует в наблюдении, и значение 0 при его отсутствии;
|
|
|
· Способ включения фиктивных переменных зависит от априорной информации относительно влияния соответствующих качественных признаков на зависимую переменную и от гипотез, которые проверяются с помощью модели;
· От способа включения фиктивной переменной зависит и интерпретация оценки коэффициента при ней.
|
|
|
