Студопедия

Главная страница Случайная страница

КАТЕГОРИИ:

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Проверено выполнение условия гомоскедастичности.






При проверке предпосылки МНК о гомоскедастичности остатков в модели множественной регрессии следует вначале определить, по отношению к какому из факторов дисперсия остатков более всего нарушена. Это можно сделать в результате визуального исследования графиков остатков, построенных по каждому из факторов, включенных в модель. Та из объясняющих переменных, от которой больше зависит дисперсия случайных возмущений, и будет упорядочена по возрастанию фактических значений при проверке теста Голдфельда-Квандта.

Для однофакторной модели нашего примера график остатков относительно фактора имеют вид, представленный на рисунке.

Рисунок. Графики остатков

На диаграмме ярко выражена направленность в распределении остатков, то есть непостоянство их дисперсии.

Основные этапы теста Голдфельда-Квандта:

1. Упорядочим переменные YП, х3 – оборотные активы по возрастанию фактора х3–оборотные активы (в Excel для этого можно использовать команду Данные – Сортировка – По возрастанию х3).

2. Уберем из середины упорядоченной совокупности

С=1/4*n=1/4*50 = 12, 5 12 значений.

В результате получим две совокупности по ½ *(50-12)=1/2*38 = 19 значению соответственно с малыми и большими значениями х3.

Y X3
  -210 1 702
    13 398
  -33 030 14 412
  13 612 18 903
  5 406 21 132
  -540 36 641
  -20 493 46 728
  55 528 52 042
    76 430
  40 997 79 930
  17 927 81 960
  8 552 119 434
  221 177 128 256
  -468 130 350
  123 440 167 297
  422 070 188 662
  40 588 215 106
  115 847 233 340
  173 079 257 140
  221 194 257 633
  416 616 299 286
  701 728 324 968
  -61 237 344 398
  35 198 361 672
  28 973 367 880
  788 567 458 233
  62 200 528 912
  381 558 582 581
  225 452 585 017
  309 053 619 452
  366 170 624 661
  29 204 705 877
  -564 258 801 276
  63 058 807 686
  -34 929 921 832
  53 182 998 875
  1 580 624 1 553 508
  701 035 1 566 040
  1 197 196 1 567 998
  1 945 560 2 964 277
  1 225 908 3 463 511
  -780 599 3 933 712
  1 227 017 4 215 454
  628 091 5 325 806
  3 293 989 5 891 049
  2 598 165 5 910 831
  1 548 768 7 720 298
  9 990 896 26 312 477
  2 557 698 35 232 071
  19 513 178 63 269 757

 

3. Для каждой совокупности в отдельности выполним регрессионный анализ

Для совокупности 1:

Дисперсионный анализ    
  df SS MS
Регрессия      
Остаток   1, 37142E+11  
Итого   2, 20372E+11  
       
  Коэффициенты Стандартная ошибка t-статистика
Y-пересечение -20918, 13197 33112, 80853 -0, 631723279
Х3 0, 840151677 0, 261563781 3, 212033686

Для совокупности 2:

Дисперсионный анализ    
  df SS MS
Регрессия   3, 2947E+14 3, 2947E+14
Остаток   7, 50547E+13 4, 41498E+12
Итого   4, 04525E+14  
       
  Коэффициенты Стандартная ошибка t-статистика
Y-пересечение 17667, 19361 558942, 1081 0, 031608271
Х3 0, 268176716 0, 031043998 8, 638601172

Рисунок. Фрагменты регрессионного анализа для первой и второй совокупностей соответственно

 

4. Найдем отношение полученных остаточных сумм квадратов (в числителе должна быть большая сумма):

R= 7, 50547E+13/ 1, 37142E+11 = 547, 2777897

5. Вывод о наличии гомоскедастичности остатков делаем с помощью F-критерия Фишера с уровнем значимости и двумя одинаковыми степенями свободы

.

Так как 1, 7295 = = 547, 27777897, то обнаруживается наличие гетероскедастичности в остатках модели по отношению к фактору х3.

6. Используя результаты регрессионного анализа проранжированны компании по степени эффективности (в Excel для этого можно использовать команду Данные – Сортировка – По возрастанию У).

№ п/п Название Прибыль (убыток) Оборотные активы
Y X3
    Акционерная нефтяная Компания Башнефть, Открытое акционерное общество 19 513 178 63 269 757
    Нефтяная компания Магма, Открытое акционерное общество 9 990 896 26 312 477
    Верхнечонскнефтегаз, Открытое акционерное общество 3 293 989 5 891 049
    Барьеганнефтегаз, Открытое акционерное общество 2 598 165 5 910 831
    Нефтегазовая компания Слав-нефть, Открытое акционерное общество 2 557 698 35 232 071
    Битран, Открытое акционерное общество 1 945 560 2 964 277
    НЕФТЯНАЯ АКЦИОНЕРНАЯ КОМ-ПАНИЯ АКИ-ОТЫР, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО 1 580 624 1 553 508
    Корпорация югранефть, открытое акционерное общество 1 548 768 7 720 298
    НЕГУСНЕФТЬ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО 1 227 017 4 215 454
    Варьеганнефть, Открытое акционерное общество 1 225 908 3 463 511
    Комнедра, Открытое акционерное общество 1 197 196 1 567 998
    Мохтикнефть, Открытое акционерное общество 788 567 458 233
    НЕНЕЦКАЯ НЕФТЯНАЯ КОМПАНИЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО 701 728 324 968
    ГРОЗНЕФТЕГАЗ, ОТКРЫТОЕ АК-ЦИОНЕРНОЕ ОБЩЕСТВО 701 035 1 566 040
    Белкамнефть, Открытое акционерное общество 628 091 5 325 806
    Иделойл, Открытое акционерное общество 422 070 188 662
    Восточная транснациональная компания, Открытое акционерное общество 416 616 299 286
    Булгарнефть, Открытое акционерное общество 381 558 582 581
    Богородскнефть, Открытое акционерное общество 366 170 624 661
    НАУЧНО-ПРОИЗВОДСТВЕННОЕ ОБЪЕДИНЕНИЕ СПЕЦЭЛЕКТРО-МЕХАНИКА, ОТКРЫТОЕ АКЦИО-НЕРНОЕ ОБЩЕСТВО 309 053 619 452
    ИНВЕСТИЦИОННАЯ НЕФТЯНАЯ КОМПАНИЯ, ОТКРЫТОЕ АКЦИО-НЕРНОЕ ОБЩЕСТВО 225 452 585 017
    Геолого-разведочный исследовательский центр, Открытое акционерное общество 221 194 257 633
    Кондурчанефть, Открытое акцио-нерное общество 221 177 128 256
    НГДУ Пензанефть, Открытое ак-ционерное общество 173 079 257 140
    ДАГНЕФТЕГАЗ, ОТКРЫТОЕ АК-ЦИОНЕРНОЕ ОБЩЕСТВО 123 440 167 297
    Меллянефть, Открытое акционерное общество 115 847 233 340
    Когалымнефтепрогресс, Открытое акционерное общество 63 058 807 686
    Губкинский газоперерабатывающий комплекс, открытое акционерное общество 62 200 528 912
    Елабуганефть, Открытое акционерное общество 55 528 52 042
    КАМЧАТГАЗПРОМ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО 53 182 998 875
    Нефтьинвест, Открытое акционерное общество 40 997 79 930
    Калининграднефть, Открытое акционерное общество 40 588 215 106
    МНКТ, Общество с ограниченной ответственностью 35 198 361 672
    Белорусское управление по повышению нефтеотдачи пластов и капитальному ремонту скважин, открытое акционерное общество 29 204 705 877
    АЛРОСА -Газ, Открытое акционерное общество 28 973 367 880
    НЕФТЕБУРСЕРВИС, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО 17 927 81 960
    Акмай, Открытое акционерное общество 13 612 18 903
    НАУЧНО-ПРОИЗВОДСТВЕННОЕ ПРЕДПРИЯТИЕ БУРСЕРВИС, ОТ-КРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕ-СТВО 8 552 119 434
    Нефть, Открытое акционерное общество 5 406 21 132
    Аксоль, Открытое акционерное общество Производственно-ксммерческая фирна   13 398
    Нефтеразведка, Открытое акцио-нерное общество   76 430
    КИРОВСКОЕ НЕФТЕГАЗОДОБЫ-ВАЮЩЕЕ УПРАВЛЕНИЕ, ОТКРЫ-ТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО -210 1 702
    Избербашнефть, Открытое акционерное общество -468 130 350
    КАББАЛКНЕФТЕТОППРОМ, ОТ-КРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕ-СТВО -540 36 641
    Братскэкогаз, Открытое акционерное общество -20 493 46 728
    Краснодарское опытно- экспери-ментальное управление по повышению нефтеотдачи пластов и капитальному ремонту скважин, открытое акционерное общество -33 030 14 412
    Ленинградсланец, открытое акционерное общество -34 929 921 832
    Инга, Открытое акционерное общество -61 237 344 398
    Восточно-Сибирская нефтегазовая компания, Открытое акционерное общество -564 258 801 276
    Арктическая газовая компания, открытое акционерное общество -780 599 3 933 712

 

7. Осуществите прогнозирование среднего значения показателя Y при уровне значимости α = 0, 1, если прогнозное значение фактора Хj составит 80% от его максимального значения. Представьте на графике фактические данные Y, результаты моделирования, прогнозные оценки и границы доверительного интервала.

1) точечный прогноз фактора: Х3 прогноз = 63269757 * 0, 8 = 50615806, 6

2) точечный прогноз (ТП) показателя Y:

У = 65637, 27303 + 0, 26691722*х3 =

= 65637, 27303 + 0, 26691722 * 50615806, 60 = 13575867, 39

3) интервальный прогноз показателя Y:

Вначале находим ошибку прогнозирования

,

которая зависит от стандартной ошибки модели , удаления от своего среднего значения, количества наблюдений n, заданного уровня вероятности попадания в интервал прогноза (он определяет величину ;

затем находим сам доверительный интервал прогноза:

нижняя граница (НГ) интервала – ,

верхняя граница (ВГ) интервала – .

U = 2812368, 131 * 2.0106* =

= 2812368, 131 * 2.0106* 1, 192033736 = 6740411, 22

нижняя граница интервала –

= 13575867, 39– 6740411, 22= 6835456, 17

верхняя граница интервала –

= 13575867, 39+ 6740411, 22= 20316278, 61

 

 

 


Поделиться с друзьями:

mylektsii.su - Мои Лекции - 2015-2024 год. (0.01 сек.)Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав Пожаловаться на материал