Рассматривается модель линейной регрессии: Y — зависимая переменная; X j — факторы регрессии; i — номер наблюдения; действуют стандартные предположения линейной регрессии.
Задание 1. Оценка параметров регрессии МНК, базовая «инференция» о модели (t-критерий, F-критерий), базовый анализ остатков модели.
В среде MATRIXER была построена следующая модель линейной регрессии:
1.1. Оценка параметров линейной регрессии МНК
1.2. Оценка значимости каждого фактора в отдельности по t-критерию
1.3. Оценка совместной значимости всех факторов по F-критерию
1.4. Проверка гетероскедастичности остатков
1.5. Проверка нормальности остатков
Задание 2. Проверка ряда гипотез о модели с помощью классических критериев, основанных на оценках регрессии МНК с ограничениями.
2.1. Проверка совместной значимости факторов X1, X3
2.2. RESET тест Рамсея
2.3. Проверка постоянства коэффициентов тестом Чоу I формы (выборку делить пополам)
2.4. Проверка гетероскедастичности (тест Бреуша – Годфри – Пагана)
Источник: RW-1700011599 | 