Анализ регрессионной модели на наличие гетероскедастичности с помощью тестов Вайта и Голдфельда-Квандта

Эконометрические методы используются в зарубежных и отечественных экономических исследованиях, работах по управлению (менеджменту) .

Современные социально-экономические процессы и явления

зависят от большого количества факторов, их определяющих. В связи с этим квалифицированному специалисту необходимо не только иметь четкие представления об основных направлениях развития экономики, но и уметь учитывать сложное взаимосвязанное многообразие факторов, оказывающих существенное влияние на изучаемый процесс. Такие исследования не возможно проводить без знания основ теории вероятностей, математической статистики, многомерных статистических методов и эконометрики, т. е. дисциплин, позволяющих исследователю разобраться в огромном количестве стохастической информации и среди множества различных вероятностных моделей выбрать единственную, наилучшим образом отражающую изучаемый процесс или явление.

Значение эконометрического анализа состоит в том, что он является связующим звеном между экономической теорией и практикой. Эконометрика дает методы экономических измерений, методы оценки параметров моделей микрои макроэкономики.

В экономических исследованиях часто решают задачу выявления факторов, определяющих уровень и динамику экономического процесса. Для достоверного отображения объективно существующих в экономике процессов необходимо выявить существенные взаимосвязи и не только выявить, но и дать им количественную оценку.

Основным инструментом решения этой задачи является регрессионный анализ, который позволяет установить статистическую взаимосвязь между двумя или более рядами экономических данных. Впоследствии полученные результаты могут использоваться в прогнозировании, для чего экономист-теоретик сопоставляет значения одной экономической переменной (зависимой переменной) со значениями одной или нескольких других экономических переменных (независимых переменных). Регрессионный анализ дает возможность установить характер зависимости, определяя коэффициенты соответствующих параметров. Одной из проблем эконометрики является достижение того, чтобы данные адекватно отражали исследуемую переменную величину.

В данной работе выясняется с помощью модели множественной регресии, какие факторы оказывают влияние на уровень среднемесячной номинальной заработной платы (Y).

В квчестве независимых переменных рассматриваются:

• Реальное промышленное производство, % г/г., %();

• Реальное сельскохозяйственное производство, % г/г.,);

• Номинальный ВВП, BYR млрд.руб. ();

• Дефлятор ВВП,% ().

Оценив коэффициенты модели, а также оценив значимость и адекватность модели, можно сделать выод о том, какие из указанных факторов оказывают влияние на показатель прироста ВВП.

Целью работы является также решение вопроса о наличии или отсутствии гетероскедастичности с помощью тестов Голдфелда-Квандта и Уайта.

Поквартальные данные для анализа взяты с портала Национального статистического комитета, а также с сайта Издательского центра ИПМ (исследования, прогнозы, мониторинг) за 2003;2009 гг.

1. Теоретическая часть

1.1. Множественная модель регрессии

На любой экономический показатель чаще всего оказывает влияние не один, а несколько факторов. В этом случае рассматривается множественная регрессия:

Построение уравнения множественной регрессии начинается с решения вопроса о спецификации модели, который в свою очередь включает 2 круга вопросов: отбор факторов и выбор уравнения регрессии.

Отбор факторов обычно осуществляется в два этапа:

1) теоретический анализ взаимосвязи результата и круга факторов, которые оказывают на него существенное влияние;

2) количественная оценка взаимосвязи факторов с результатом. При линейной форме связи между признаками данный этап сводится к анализу корреляционной матрицы (матрицы парных линейных коэффициентов корреляции).

Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям:

1. Они должны быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то ему нужно придать количественную определенность (например, в модели урожайности качество почвы задается в виде баллов).

2. Каждый фактор должен быть достаточно тесно связан с результатом (т.е. коэффициент парной линейной корреляции между фактором и результатом должен быть существенным).

3. Факторы не должны быть сильно коррелированы друг с другом, тем более находиться в строгой функциональной связи (т.е. они не должны быть