Эконометрическое исследованиефакторов, влияющих на рынок недвижимости Хорватии

Альтернативная гипотеза: >0Но не все коэффициенты равны 0, рассмотрим статистику F = - = * При справедливости нулевой гипотезы F — статистика имеет распределение Фишера FИз программы Eviews было найдено =9,87 Пусть = F (; m-1, n-m) критическое значение распределения Фишера c уровнем значимости. Имеем следующий статистический критерий проверки гипотезы: Из программы Excel мы получили, что =3,072 и следовательно F > и нулевая гипотеза отвергается при заданном уровне значимости (произошло маловероятное с точки зрения нулевой гипотезы событие) и так же говорят, что регрессия в целом значима. В результате вышеописанных расчётов в программе Eviewsполучаем следующую получившуюся модель: LOG (PRICE_Y_) = 10.98+0.017*M₂_- 0 .024*CENTREMIN3.Анализ мультиколлинеарности

Мультиколлинеарность — это наличие тесной корреляционной связи между факторами (Xi). Другими словами, явлением мультиколлинеарности называется ситуация, когда один из регрессоров «хорошо линейно приближается» остальными регрессорами. Для анализа мультиколлинеарности построим таблицу парных коэффициентов корреляции:

Цена (Y)Общая площадь (X1)Площадь гостиной (X2)Количество комнат (X3)Время от квартиры до центра (X4)Цена (Y)10,7 006 530,7012660,785 446−0,35 523

Общая площадь (X1)0,70 065 310,7319280,9 390 720,2345

Площадь гостиной (X2)0,7 006 530,73192810,751 142−0,0148

Количество комнат (X3)0,7 854 460,9390720,75 114 210,071858

Время от квартиры до центра (X4)-0,355 230,2345−0,1 480,0718581

Как известно, если коэффициент корреляции между регрессорами (факторами) превышает 0,8, то можно делать вывод о наличии мультиколлинеарности между этими факторами. Таким образом, как видно из таблицы, между факторами X3 и X4, то есть количеством комнат и общей площадью, существует мультиколлинеарность, Так как мультиколлинеарность отрицательно влияет на свойства модели, в будущем стоит исключать путем включения в регрессионную модель лишь одного из двух мультиколлинеарных признаков.

4. Тест на гетероскедастичность. Тест Уайта

Тест Уайта — это тест применятся в случае, когда есть априорные предложения, что гетероскедастичность обусловлена зависимостью дисперсии ошибки от объясняющих переменных. В модели с детерминированными регрессорами проверяются нулевая гипотезаH0:=…=Для проверки нулевой гипотезы Уайт предложил следующую двухшаговую процедуру :1) Находим OLS -остатки в исходной модели регрессии2) вычисляем коэффициент во вспомогательной регрессии на константу, регрессоры, их квадраты и попарные произведения: Для нашей модели мы получим такую вспомогательную модель: LOG (PRICE_Y_) = 0,0572+ 0,001*M₂_ -1,65*(M₂_^2)+3,69*(M₂_*CENTREMIN) -0,006*CENTREMIN+ 5,04*(CENTREMIN²)При справедливости нулевой гипотезы о гомоскедостичности ошибок статистики проверки значимости вспомогательной регрессии и в целом при больших объемах выборки имеет распределение хи-квадрат, где число степеней свободы К равно числу регрессоров во вспомогательной регрессии. Таким образом, при заданном уроне значимости (асимптотический) нулевая гипотеза о гомоскедастичности отвергается при Так, в нашей модели получается, что R2=0,115, при этом =12,592(= 0,05), = 25*0,115=2, 85 следовательно мы получаем, что и следовательно гипотеза приниматся, что свидетельствует о гетероскедастичности ошибок.

Список литературы

Артамонов Н. В Введение в эконометрику.

М: МЦНМО, 2011 — 204с.

http://www.stanovizagreb.com/(продажа недвижимости в Хорватии) Магнус Я. Р, Катышев П. К, Пересецкий А. А// Эконометрика. Начальный курс Учеб- 5-е изд, испр — M:, 2001.-400с