При наличии гетероскедастичности и величина Ki может меняться от одного значения фактора к другому. При наличии гетороскедастичности вместо обычного МНК используют обобщенный МНК (взвешенный). Суть метода заключается в уменьшении вклада данных наблюдений, имеющих большую дисперсию в результате расчета.
1 случай. Если дисперсии возмущений известны , то гетероскедастичность легко устраняется. Вводят новые переменные: ; ; , . Регрессионная модель в векторной форме
(*) /:
, .
При этом , т.е. модель гомоскедастична.
2 случай. Если дисперсии возмущений неизвестны, то делают реалистические предположения о значениях .
Например:
а) дисперсии пропорциональны xi: . Уравнение регрессии (*) делят
- на - в случае одной переменной; - на - в случае множественной регрессии.
б) дисперсии пропорциональны , т.е.
,
Уравнение регрессии (*) делят на хi.
Пример. Воспользовавшись характером зависимости, полученным при использовании теста Глейзера
, разделим обе части уравнения на
. Уравнение регрессии примет вид
|
|
ВЫВОД ИТОГОВ | ||||||||
Регрессионная статистика | ||||||||
Множественный R | 0,964 | |||||||
R-квадрат | 0,929 | |||||||
Нормированный R-квадрат | 0,927 | |||||||
Стандартная ошибка | 5,502 | |||||||
Наблюдения | ||||||||
Дисперсионный анализ | ||||||||
df | SS | MS | F | Значимость F | ||||
Регрессия | 498,9 | 2E-23 | ||||||
Остаток | 1150,5 | 30,28 | ||||||
Итого | ||||||||
Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | |||
Y-пересечение | -1,408 | 1,0935 | -1,288 | 0,206 | -3,622 | 0,806 | ||
x/e | 0,337 | 0,0151 | 22,34 | 2E-23 | 0,3064 | 0,367 | ||
Получены новые оценки параметров линейного уравнения, в котором смягчена гетероскедастичность.