Parametrlarining ahamiyatini tekshirish va prognozlarni tuzish

Решение:
Исследуем мультпколлинеарность в массиве независимых переменных при помощи алгоритма Фаррара-Глобера. Расчёты проведём в Microsoft Excel, округляя числа до четвёртого знака после запятой.

• 
  Нахождение корреляционной матрицы выполним с помощью встроенной функции «Корреляция» (Сервиз—>Анализ данных —> Корреляция), которая позволяет находить коэффициенты корреляции более чем двух факторов:
  

Её определитель:  Он вычислен с помощью функции МОПРЕД().
При  имеется полная мультиколлинеарность, а если  , то мультиколлинеарность отсутствует. В нашем случае  , поэтому продолжим исследование на наличие мультиколлинеарности.

• 
  Определим фактическое значение критерия «хи»-квадрат Пирсона:
  

Фактическое значение критерия  сравнивается с табличным значением при  степенях свободы и уровне значимости  :  Т.к.  то в массиве объясняющих переменных существует мультиколлинеарность.

• 
  С помощью функции МОБР() определим обратную матрицу:
  

• 
  Вычисление  -критериев Фишера осуществляем по формуле
  

где  — диагональные элементы матрицы  . Имеем

Фактические значения критериев сравниваются с табличным  при  степенях свободы и уровне значимости  : 
Т.к.  , то независимые переменные  и  мультиколлинеарны с другими.

• 
  Находим частные коэффициенты корреляции по формуле
  

где  — элемент матрицы  , содержащийся в  -ой строке и  -ом столбце;  и  — диагональные элементы матрицы  . Получаем:

Вычисление  -критериев Стьюдента осуществляем по формуле

Имеем

Фактические значения критериев сравниваются с табличным  при  степенях свободы и уровне значимости  .
Т.к.  , то между независимыми переменными  и  существует мультиколлинеарность.
Для того, чтобы избавиться от мультиколлинеарности, можно исключить одну из переменных мультиколлинеарной пары  и  . Удалить следует переменную  , т.к. у неё больше значение  -критерия. Следовательно, она больше влияет на общую мультиколлинеарность модели. Однако этот шаг не должен противоречить экономическому смыслу задачи.
Кстати готовые на продажу задачи тут, и там же теория из учебников может быть вам поможет она.
Гетсроскедастичность в эконометрическом моделировании
К оглавлению…
Условие независимости дисперсии ошибок от номера наблюдения называется гомоскедастичностью. Нарушение данного условия вызывает нежелательное явление, называемое гетероскедастичиостью.
Гетероскедастичность возникает, когда значения переменных в уравнении регрессии сильно отличаются в разных наблюдениях, т.е. если анализируемые объекты неоднородны. Неоднородность объектов может отражаться в несопоставимости их «размеров».
Например, в одну выборку объединены крупные и мелкие банки, у которых анализируется зависимость прибыли  от величины активов  . В этом случае можно ожидать, что для крупных банков колебание прибыли будет выше, чем для мелких. Величина колебаний повлияет на дисперсию ошибок.
Неоднородность может также проявляться, когда в одну выборку объединяются предприятия разного профиля деятельности.
Часто при исследовании совокупности данных на гетероскедастичность предполагается, что дисперсия остатков пропорциональна квадрату значений одной из независимых переменных  .
В этом случае наиболее эффективен параметрический тест Гольд-фельда-Квандта. Опишем его алгоритм.