При малом объеме выборки для оценки гетероскедастичности можно использовать метод Голдфельда – Квандта. Метод разработан в 1965 году на линейной модели, для которой дисперсия остатков возрастает пропорционально квадрату фактора.
Проверяется нулевая гипотеза об отсутствии гетероскедастичности остатков. Конкурирующая гипотеза – наличие гетероскедастичности остатков.
1.Упорядочить наблюдений по мере возрастания переменной .
2.Исключить из рассмотрения центральных наблюдений. При этом , где – число оцениваемых параметров.
3.Построить по каждой из двух разделенных групп из наблюдений с малыми и большими значениями фактора уравнений регрессии.
4.Определить остаточные суммы квадратов для первой и второй групп (или по «урезанным выборкам»).
5.Найти наблюдаемое значение критерия .
6.Сравнить наблюдаемое значение критерия с табличным .
7.Сделать вывод: нулевая гипотеза принимается на уровне значимости , если .
Для случая одного фактора рекомендовано при количестве данных принимать , при принимать , а при – .
|
|
Тест Голдфельда – Квандта применяется в том случае, если ошибки регрессии можно считать нормально распределенными случайными величинами. Критерий Голдфельда – Квандта используется и при проверке остатков множественной регрессии на гетероскедастичность. При обнаружении гетероскедастичности остатков ставится цель ее устранения, чему служит применение обобщенного метода наименьших квадратов (ОМНК). ОМНК применяется к преобразованным данным и позволяет получить оценки, которые обладают не только свойством несмещенности, но и имеют наименьшие выборочные дисперсии.
ПОСТАНОВКА ЗАДАЧИ
Для статистических данных, представленных в таблице согласно вашему варианту, проверьте наличие гетероскедастичности, используя тест Голдфелда-Квандта на уровне значимости 0,05.
ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ
1. Введите исходные данные.
2. Расположите наблюдений по мере возрастания переменной . Для этого на панели инструментов Стандартная щелкните по кнопке Сортировка по возрастанию.
3. Исключите из рассмотрения примерно центральных наблюдений. При этом должно выполняться условие .
4. Определите остаточные суммы квадратов, то есть суммы квадратов остатков регрессии по «урезанным выборкам»:
и
Вычислите остаточные суммы квадратов средствами Excel. Сначала найдите остаточные суммы квадратов первой выборки.
4.1. Выделите область пустых клеток (5×2), в которой вы хотите разместить таблицу с регрессионными параметрами.
4.2. В главном меню выберите Вставка/функция.
4.3. В окне Категория выберите Статистические, затем в окне Функция – ЛИНЕЙН. Заполните диалоговое окно.
|
|
Входные данные
Известные значения – диапазон (столбец), содержащий данные результативного признака выборки 1.
Известные значения – диапазон (столбец), содержащий данные факторов независимого признака выборки 1.
Константа – 1.
Статистика – 1.
4.5. Нажмите ОК. В левой верхней ячейке выделенной области появится первый элемент итоговой таблицы.
4.6. Для раскрытия таблицы данных нажмите F2, затем вместе клавиши «ctrl-shift-enter».
Регрессионная статистика будет выводиться в порядке, указанном в следующей схеме:
Значение коэффициента | Значение коэффициента |
Стандартная ошибка | Стандартная ошибка |
Индекс детерминации | Среднеквадратическое отклонение |
F- статистика | Число степеней свободы |
Регрессионная сумма квадратов | Остаточная сумма квадратов |
Аналогичные процедуры проведите и для второй выборки.
5. Вычислите наблюдаемое значение критерия достоверности .
6. Найдите табличное значение критерия Фишера по уровню значимости и степеням свободы .
6.1. Выделите клетку, в которой должно появиться значение критерия.
6.2. В главном меню выберите Вставка/функция.
6.3. В окне Категория выберите Статистические.
6.4. Затем в окне Функция выберите FРАСПОБР.
6.5. Заполните диалоговое окно.
6.6. Щелкните по кнопке ОК. Появится табличное значение критерия Фишера.
7. Сравните табличное значение критерия Фишера с наблюдаемым значением. Сделайте вывод.
КОНТРОЛЬНЫЕ ВОПРОСЫ
1. Назовите пять предпосылок регрессионного анализа.
2. Проверка первых двух предпосылок регрессионного анализа.
3. В чем заключается суть гетероскедастичности? Причины появления гетероскедастичности.
4. Последствия гетероскедастичности.
5. Графический способ проверки гетероскедастичности
6. Тест Голдфельда – Квандта. Поясните в каком случае можно применять тест Голдфельда – Квандта?
Вариант №1
Страна | Ожидаемая продолжительность жизни при рождении в 1995 г., лет, Х | ВВП в паритетах покупательной способности, У |
Никарагуа | 7,4 | |
Гана | 7,4 | |
Ангола | 4,9 | |
Пакистан | 8,3 | |
Мавритания | 5,7 | |
Зимбабве | 7,5 | |
Гондурас | 7,0 | |
Китай | 10,8 | |
Камерун | 7,8 | |
Конго | 7,6 | |
Шри-Ланка | 12,1 | |
Египет | 14,2 | |
Индонезия | 14,1 | |
Филиппины | 10,6 | |
Марокко | 12,4 | |
Папуа - Новая Гвинея | 9,0 | |
Гватемала | 12,4 | |
Эквадор | 15,6 | |
Доминиканская Республика | 14,3 | |
Ямайка | 13,1 | |
Алжир | 19,6 | |
Республика Эль-Сальвадор | 9,7 | |
Парагвай | 13,5 | |
Тунис | 18,5 | |
Белоруссия | 15,6 | |
Перу | 14,0 | |
Таиланд | 28,0 | |
Панама | 22,2 | |
Турция | 20,7 | |
Польша | 20,0 |
Вариант №2
Страна | Индекс человеческого развития, У | Расходы домашних хозяйств, % к ВВП, Х |
Австрия | 0,904 | 56,1 |
Австралия | 0,922 | 61,8 |
Англия | 0,918 | 64,1 |
Белоруссия | 0,763 | 59,1 |
Бельгия | 0,923 | 63,3 |
Германия | 0,906 | 57,0 |
Дания | 0,905 | 50,7 |
Индия | 0,545 | 57,1 |
Испания | 0,894 | 62,0 |
Италия | 0,900 | 61,8 |
Канада | 0,932 | 58,6 |
Казахстан | 0.740 | 71,7 |
Китай | 0,701 | 48,0 |
Латвия | 0,744 | 63,9 |
Нидерланды | 0,921 | 59,1 |
Норвегия | 0,927 | 47,5 |
Польша | 0,802 | 65,3 |
Россия | 0,747 | 53,2 |
США | 0,927 | 67,9 |
Украина | 0,721 | 61,7 |
Финляндия | 0,913 | 52,9 |
Франция | 0,918 | 59,9 |
Чехия | 0,833 | 51,5 |
Швейцария | 0,914 | 61,2 |
Швеция | 0,923 | 53,1 |