Провести тест Бокса - Кокса,
Все переменные номинальные. И в основном растут со временем, возможно, экспоненциально. Поэтому есть смысл оценить регрессию в логарифмах.
|
Dependent Variable: LOG(STOCK) | ||||
|
Method: Least Squares | ||||
|
Date: 12/27/08 Time: 23:49 | ||||
|
Sample: 1994 2007 | ||||
|
Included observations: 14 | ||||
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
-11.77487 |
11.20011 |
-1.051317 |
0.3157 |
|
LOG(M) |
0.872621 |
4.908188 |
0.177789 |
0.8621 |
|
LOG(OIL) |
3.185984 |
2.900511 |
1.098421 |
0.2955 |
|
R-squared |
0.214354 |
Mean dependent var |
2.158374 | |
|
Adjusted R-squared |
0.071509 |
S.D. dependent var |
2.942306 | |
|
S.E. of regression |
2.835155 |
Akaike info criterion |
5.109480 | |
|
Sum squared resid |
88.41913 |
Schwarz criterion |
5.246420 | |
|
Log likelihood |
-32.76636 |
F-statistic |
1.500605 | |
|
Durbin-Watson stat |
0.574028 |
Prob(F-statistic) |
0.265307 | |
Знаки коэффициентов не изменились, однако оба стали незначимы.
Проверяем, какая модель лучше подходит с помощью теста Бокса-Кокса.
Проводим преобразование Зарембки. В данном случае (для логарифмической модели) делим каждую переменную на среднее геометрическое этой переменной по всем наблюдениям. Расчеты проводим в eviews, который не рассчитывает среднего геометрического, поэтому сначала считаем среднее арифметическое логарифмов переменных, затем возводим экспоненту в соответствующую степень, чтобы получить среднее геометрическое. Затем оцениваем линейную и логарифмическую модели и сравниваем RSS.
Новые переменные, полученные в результате преобразования Zarembka, назовем zStock, zOil, zM.
|
Dependent Variable: ZSTOCK | ||||
|
Method: Least Squares | ||||
|
Date: 01/05/09 Time: 23:23 | ||||
|
Sample: 1994 2007 | ||||
|
Included observations: 14 | ||||
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
-7.421860 |
1.926113 |
-3.853283 |
0.0027 |
|
ZOIL |
4.613613 |
1.706258 |
2.703936 |
0.0205 |
|
ZM |
5.986387 |
2.959311 |
2.022899 |
0.0681 |
|
R-squared |
0.843461 |
Mean dependent var |
3.652800 | |
|
Adjusted R-squared |
0.814999 |
S.D. dependent var |
3.525590 | |
|
S.E. of regression |
1.516416 |
Akaike info criterion |
3.857986 | |
|
Sum squared resid |
25.29469 |
Schwarz criterion |
3.994927 | |
|
Log likelihood |
-24.00590 |
F-statistic |
29.63503 | |
|
Durbin-Watson stat |
1.683804 |
Prob(F-statistic) |
0.000037 | |
Другое по экономике
Инвестиционная политика. Коммерческая эффективность инвестиционного проекта и ее оценка
Экономическая оценка инвестиций - определение соответствия
технических, организационных, маркетинговых, финансовых и других решений,
заложенных в проекте, целям и экономическим интересам инвестора. Экономическая
оценка инвестиций ...