Построение эконометрических моделей, представленных различными типами временных рядов

R-squared = 0.803368Watson stat = 1.238616statistic = 42.89929(F-statistic) = 0.000000

По построенным данным видно, что P-вероятность и t-статистика показывают значимость коэффициентов модели, включая свободный член. Коэффициент детерминации, F- статистика и ее вероятность указывают на статистическую значимость и адекватность построенной модели.

Теперь перейдем к предпосылкам нарушения МНК. Начнем со статистки Дарбина - Уотсона и теста Бреуша - Годфри на наличие автокорреляции в модели:

По статистике Дарбина - Уотсона невозможно сделать вывод о наличие автокорреляции, однако тест Бреуша - Годфри указывает на ее присутствие, следовательно, мы принимаем гипотезу о наличие автокорреляции в данной модели.

Теперь перейдем к тесту Уайта и оценим данную модель на наличие гетероскедастичности:

Тест Уайта указывает на отсутствие в данной модели гетероскедастичности.

Теперь перейдем к анализу случайных отклонений в данной модели: проведем проверку на стационарность и нормальное распределение:

В первую очередь проверим остатки на стационарность с помощью теста ADF:

Была взята спецификация N,0. По данному тесту можно сделать вывод о том, что наличие стационарности случайных отклонений данной модели подтверждается.

Теперь посмотрим на нормальное распределение остатков с помощью теста Жака-Бера:

(JB)= 0,59

Тест Жака-бера указывает на нормальное распределение случайных отклонений в данной модели.

Анализируя данную модель можно сделать следующий вывод:

по P-вероятности и t- статистике коэффициенты данной модели являются статистическизначимыми, также статистически значимой является и сама модель по коэффициенту детерминации, F- статистике и ее вероятности;

переходя к предпосылкам нарушения МНК, можно отметить, что в данной модели отсутствует гетероскедастичность, но при этом присутствует автокорреляция, что снижает эффективность оценок данной модели;

остатки в данной модели являются стационарными и имеют нормальное распределение, что является достаточно важным условием построения качественной модели.

Так как временные ряды, входящие в первоначальную модель, являются интегрированными первого порядка, построим модель приростов и оценим ее качество: