эконометрика

Описание данных и задание
Рассматривается модель линейной регрессии ;Y — зависимая переменная; X j — факторы регрессии; i — номер наблюдения; действуют стандартные предположения линейной регрессии;
Задание 1. Оценка параметров регрессии МНК, базовая «инференция» о модели (t-критерий, F-критерий), базовый анализ остатков модели. Проделайте необходимые расчеты в среде MATRIXER , приведите их результаты и прокомментируйте согласно пунктам 1.1. — 1.5. задания.
1.1. Оцените параметры линейной регрессии МНК;
1.2. Оцените значимость каждого фактора в отдельности по t-критерию;
1.3. Оцените совместную значимость всех факторов по F-критерию;
1.4. Проверка гетероскедастичности остатков (используйте результаты оценивания, приведенные в базовых статистиках уравнения в среде MATRIXER);
1.5. Проверка нормальности остатков (используйте результаты оценивания, приведенные в базовых статистиках уравнения в среде MATRIXER);
Задание 2. Проверка ряда гипотез о модели с помощью классических критериев, основанных на оценках регрессии МНК с ограничениями. Следуйте комментариям к пунктам 2.1. — 2.4., развернуто ответьте на все заданные вопросы.
2.1. Проверить совместную значимость факторов X1, X3;
Постройте вспомогательную регрессию, не включающую в себя переменные X 1 и X 3 . Сравните регрессии (исходную и вспомогательную) по сумме квадратов остатков, постройте F -Статистику для проверки существенности ограничений. Сколько ограничений в данном случае проверяется? Какая из регрессий является регрессией без ограничений, а какая с учетом ограничений? Каково значение статистики и РДУЗ? Каков результат тестаи его интерпретация?
2.2. RESET тест Рамсея;
После оценки исходного уравнения регрессии сохраните в отдельную переменную расчетные значения зависимой переменной (скрытая матрица \ Fitted , дайте ей новое имя) и постройте вспомогательную регрессию, в которой факторами являются не только переменные X 1 — X 3 , но и квадрат и куб расчетных значений исходного уравнения. Постройте F -статистику для проверки совместной значимости добавленных факторов. Сколько ограничений в данном случае проверяется? Какая из регрессий является регрессией без ограничений, а какая с учетом ограничений? Каково значение статистики и РДУЗ? Каков результат теста и его интерпретация?
2.3. Проверка постоянства коэффициентов тестом Чоу I формы (выборку делить пополам)
Создайте вспомогательную переменную (назовите ее, скажем, Chow _ Break ), и задайте ей значения (можно в ручную редактированием в среде MATRIXER , а можно предварительно создать переменную в среде Excel , а затем скопировать в MATRIXER ) — переменная принимает значение 1 для первой половины наблюдений, а для второй половины наблюдений — значение 0.
Оцените вспомогательную регрессию, в которой вместо исходных факторов X 1, X 2, X 3 участвует набор факторов X 1* Chow Break , X 2* Chow _ Break , X 3* Chow _ Break , X 1*(1- Chow _ Break ), X 2*(1- Chow _ Break ), X 3*(1- Chow Break ). Создавать новые факторы не обязательно, достаточно указать их формулы непосредственно в строке команд при записи команды для оценки регрессии МНК.
Сравните полученную вспомогательную и исходную регрессии, постройте F -статистику для проверки равенства коэффициентов при «разных половинах» исходных факторов во вспомогательной регрессии. Сколько ограничений в данном случае проверяется? Какая из регрессий является регрессией без ограничений, а какая с учетом ограничений? Каково значение статистики и РДУЗ? Каков результат теста и его интерпретация?
2.4. Проверка гетероскедастичности (тест Бреуша – Годфри – Пагана);
После оценки исходной регрессии сохраните в отдельную переменную остатки из уравнения (скрытая матрица \ Resids , дайте ей новое имя, например, Resid 1 ) и рассчитайте квадрат остатков (введите в командное окно команду R esid2:= R esid1^2 и нажмите «Выполнить», теперь в переменной Resid 2 — квадраты остатков исходного уравнения).
Создайте вспомогательную регрессию, где в каче