Критерії оцінки адекватності лінійної моделі множинної регресії

 

Статистична оцінка надійності коефіцієнта регресії здійснюється за допомогою t-критерію Ст’юдента. Він застосовується для оцінки тісноти зв'язку між незалежною змінною x і залежною у. При використанні цього критерію формулюється нульова гіпотеза. Потім отримане значення t-розподілу Ст’юдента порівнюється з критичним. Якщо фактичне значення t-розподілу Ст’юдента перевищує критичне, то спростовується нульова гіпотеза й зв'язок між змінними х і у вважається щільним. Якщо ні, то приймається нульова гіпотеза, а фактори моделі вважаються статистично неадекватними і виключаються з моделі при встановленому рівні значущості в 5% і 1%.

F-тест використовується для оцінки того, важливе пояснення, яке дає рівняння в цілому. Якщо фактичне значення F-критерія вище нормативного, то модель адекватна, а її фактори залишаються у рівнянні. Методика оцінки t-критерію Ст’юдента і F-критерія Фішера представлені в розділі 9.2.

Для перевірки адекватності економетричної моделі використовується тест Дарбіна-Уотсона, який спрямований для перевірки кореляції між залишками використовується. Він включає такі етапи:

1. Розраховуються d-статистики для аналізованої вибірки даних. Як відомо з теорії, значення d-статистики лежать у межах від 0 до 4. Показник Дарбіна-Уотсона розраховується наступним чином:

DW = , (10.33)

де е_j – залишки j-го ряду вибірки даних;

е_j-1 – залишки поперднього j-го ряду вибірки даних.

2. Порівнюються отримані d-статистики з табличними d-статистиками при рівні значущості a = 0,05, кількості факторів k, що присутні в моделі, і кількості спостережень n. Якщо розраховане значення d-статистики знаходиться в проміжку від 0 до d_L (0< d < d_L), то це свідчить про наявність позитивної автокореляції. Якщо значення d потрапляє в зону невизначеності, тобто набуває значення d_L £ d £ d_U, або 4 - d_U £ d £ 4 - d_L, то можемо зробити висновки ні про наявність, ні про відсутність автокореляції. Якщо 4 - d_L < d < 4, то маємо негативну автокореляцію. Нарешті, якщо d_U < d < 4 - d_U, то автокореляції немає.

Для оцінки адекватності лінійної моделі множинної регресії важливе значення має перевірка її на гомо- або гетероскедастичність. Суть цього явища полягає в тому, що варіація кожної e_і навколо її математичного сподівання не залежить від значення х. Дисперсія кожної e_і зберігається сталою незалежно від малих чи великих значень факторів: s_e² не є функцією х_ij, тобто s_e² ¹ f (x_1i, x_2i,…, x_pi).

Якщо s_e² не є сталою, а її значення залежать від значень х, можемо записати s_e² = f (x_1i, x_2i,…, x_pi). У цьому разі маємо справу з гетероскедастичністю. Оцінка моделі на наявність гетероскедастичності полягає в тому, що на першому етапі здійснюється тестування моделі на наявність гетероскедастичності. І якщо підтверджується гіпотеза про її наявність, то на другому етапі модель виключається.

Тестування лінійної моделі множинної регресії, як і випадку лінійної моделі парної регресії, на гетероскедастичність здійснюється на підставі тесту рангової кореляції Спірмена. Значущість отриманого коефіцієнта рангової кореляції Спірмена перевіряється за допомогою t-критерія Ст’юдента при (n-2) кількості ступенів свободи.

Фактичне значення t-критерію Ст’юдента зіставляється з t_кр. Якщо t_ф > t_кр, то підтверджується гіпотеза про наявність гетероскедастичності. А, якщо t_ф < t_кр, то приймається гіпотеза про гомоскедастичність.