Дипломная (вкр): Статистическое исследование химической отрасли Российской Федерации
Кластер 3
· Тест Вайта (White) на гетероскедастичность
МНК, использованы наблюдения 1-11
Зависимая переменная: uhat^2
|
Неисправленный R-квадрат = 0, 785951 |
|
Тестовая статистика: TR^2 = 14, 147123, |
|
р-значение = P(Хи-квадрат(9) > 14, 147123) = 0, 117187 |
|
|
· Тест Бриша-Пэгана (Breusch-Pagan) на гетероскедастичность
МНК, использованы наблюдения 1-11
Зависимая переменная: Масштабированное uhat^2
|
Объясненная сумма квадратов = 1, 69506 |
|
Тестовая статистика: LM = 0, 847528, |
|
р-значение = P(Хи-квадрат(3) > 0, 847528) = 0, 838068 |
|
|
Общее уравнение
· Тест Вайта (White) на гетероскедастичность
МНК, использованы наблюдения 1-50
Зависимая переменная: uhat^2
|
Неисправленный R-квадрат = 0, 337293 |
|
Тестовая статистика: TR^2 = 16, 864650, |
|
р-значение = P(Хи-квадрат(9) > 16, 864650) = 0, 060878 |
|
|
· Тест Бриша-Пэгана (Breusch-Pagan) на гетероскедастичность
МНК, использованы наблюдения 1-50
Зависимая переменная: Масштабированное uhat^2
|
Объясненная сумма квадратов = 17, 8256 |
|
Тестовая статистика: LM = 8, 912791, |
|
р-значение = P(Хи-квадрат(3) > 8, 912791) = 0, 030473 |
|
|
Приложение 8
Проверка мультиколлинеарности в типологических регрессиях
1 кластер
Метод инфляционных факторов
Минимальное возможное значение = 1.0
Значения > 10.0 могут указывать на наличие мультиколлинеарности
|
v1 |
1, 516 |
|
v2 |
1, 458 |
|
v3 |
1, 884 |
|
v4 |
1, 735 |
(j) = 1/(1 - R(j)^2),
2 кластер
Метод инфляционных факторов
Минимальное возможное значение = 1.0
Значения > 10.0 могут указывать на наличие мультиколлинеарности
|
v12, 973 |
|
|
v2 |
4, 576 |
|
v3 |
2, 217 |
|
v4 |
3, 468 |
(j) = 1/(1 - R(j)^2),
где R(j) - это коэффициент множественной корреляции
между переменной j и другими независимыми переменными
3 кластер
Метод инфляционных факторов
Минимальное возможное значение = 1.0
Значения > 10.0 могут указывать на наличие мультиколлинеарности
|
v14, 397 |
|
|
v2 |
4, 359 |
|
v3 |
1, 161 |
|
v4 |
3, 597 |
(j) = 1/(1 - R(j)^2),
где R(j) - это коэффициент множественной корреляции между переменной j и другими независимыми переменными
Общее уравнение
Метод инфляционных факторов
Минимальное возможное значение = 1.0
Значения > 10.0 могут указывать на наличие мультиколлинеарности
|
v1 |
3, 856 |
|
v2 |
3, 219 |
|
v3 |
1, 447 |
|
v4 |
2, 573 |
(j) = 1/(1 - R(j)^2),
где R(j) - это коэффициент множественной корреляции
между переменной j и другими независимыми переменными
Приложение 9
Проверка нормальности остатков типологических регрессий
1 кластер
Распределение частот для uhat2, наблюдения 1-24
Количество столбцов = 5, среднее = -0, 00371402, ст. откл. = 0, 100972
Проверка нормальности распределения остатков кластера 1
|
Нулевая гипотеза - нормальное распределение: |
|
Хи-квадрат(2) = 2, 871 р-значение 0, 2379 |
кластер
Тест на нормальное распределение ошибок -
Нулевая гипотеза: ошибки распределены по нормальному закону
Тестовая статистика: Хи-квадрат (2) = 7, 56907
р-значение = 0, 0627
3 кластер
Распределение частот для uhat1, наблюдения 1-11
Количество столбцов = 7, среднее = 0, 00751844, ст. откл. = 0, 290077
Проверка нормальности распределения остатков кластера 3
|
Нулевая гипотеза - нормальное распределение: |
|
Хи-квадрат(2) = 1, 306 р-значение 0, 5204 |
Общее уравнение
Распределение частот для uhat1, наблюдения 1-50
Количество столбцов = 7, среднее = 0, 0143311, ст. откл. = 0, 224369
Проверка нормальности распределения остатков общего уравнения регрессии
|
Нулевая гипотеза - нормальное распределение: |
|
Хи-квадрат(2) = 1, 059 р-значение 0, 5887 |
Приложение 10
Проверка на автокорреляция остатков типологических регрессий
|
|
dнабл |
dL |
dU |
|
Крупные |
1, 95 |
1, 01 |
1, 78 |
|
Средние |
2, 14 |
0, 69 |
1, 97 |
|
Мелкие |
2, 31 |
0, 69 |
1, 97 |
|
Общее |
1, 85 |
1, 38 |
1, 72 |
Приложение 11
Матрица корреляций факторов панельных данных
|
Корреляции |
|||||||||
|
|
|
x1 |
x2 |
x3 |
x4 |
x5 |
x6 |
x7 |
y |
|
x1 |
Корреляция Пирсона |
1, 0000 |
0, 993** |
0, 0857 |
0, 0624 |
0, 367** |
-0, 0285 |
0, 0008 |
0, 0848 |
|
|
Знч.(2-сторон) |
|
0, 0000 |
0, 1093 |
0, 2443 |
0, 0000 |
0, 5946 |
0, 9884 |
0, 1135 |
|
x2 |
Корреляция Пирсона |
0, 993** |
1, 0000 |
-0, 0028 |
0, 0558 |
0, 357** |
-0, 0074 |
0, 0008 |
-0, 0037 |
|
|
Знч.(2-сторон) |
0, 0000 |
|
0, 9587 |
0, 2978 |
0, 0000 |
0, 8903 |
0, 9874 |
0, 9445 |
|
x3 |
Корреляция Пирсона |
0, 0857 |
-0, 0028 |
1, 0000 |
-0, 0023 |
0, 138** |
-0, 0013 |
-0, 0154 |
0, 7123** |
|
|
Знч.(2-сторон) |
0, 1093 |
0, 9587 |
|
0, 9653 |
0, 0099 |
0, 9811 |
0, 7746 |
0, 0000 |
|
x4 |
Корреляция Пирсона |
0, 0624 |
0, 0558 |
-0, 0023 |
1, 0000 |
-0, 293** |
-0, 0083 |
0, 323** |
-0, 0052* |
|
|
Знч.(2-сторон) |
0, 2443 |
0, 2978 |
0, 9653 |
|
0, 0000 |
0, 8766 |
0, 0000 |
0, 0226 |
|
x5 |
Корреляция Пирсона |
0, 367** |
0, 357** |
0, 138** |
-0, 293** |
1, 0000 |
-0, 0141 |
-0, 0489 |
0, 136* |
|
|
Знч.(2-сторон) |
0, 0000 |
0, 0000 |
0, 0099 |
0, 0000 |
|
0, 7924 |
0, 3616 |
0, 0107 |
|
x6 |
Корреляция Пирсона |
-0, 0285 |
-0, 0074 |
-0, 0013 |
-0, 0083 |
-0, 0141 |
1, 0000 |
-0, 0053 |
-0, 0009 |
|
|
Знч.(2-сторон) |
0, 5946 |
0, 8903 |
0, 9811 |
0, 8766 |
0, 7924 |
|
0, 9214 |
0, 9860 |
|
x7 |
Корреляция Пирсона |
0, 0008 |
0, 0008 |
-0, 0154 |
0, 323** |
-0, 0489 |
-0, 0053 |
1, 0000 |
-0, 0172 |
|
|
Знч.(2-сторон) |
0, 9884 |
0, 9874 |
0, 7746 |
0, 0000 |
0, 3616 |
0, 9214 |
|
0, 7491 |
|
y |
Корреляция Пирсона |
0, 0848 |
-0, 0037 |
0, 7123** |
-0, 0052* |
0, 136* |
-0, 0009 |
-0, 0172 |
1, 0000 |
|
|
Знч.(2-сторон) |
0, 1135 |
0, 9445 |
0, 0000 |
0, 0226 |
0, 0107 |
0, 9860 |
0, 7491 |
|
|
**. Корреляция значима на уровне 0.01 (2-сторон.). |
|||||||||
|
*. Корреляция значима на уровне 0.05 (2-сторон.). |
|||||||||
Приложение 12
Значения параметров модели сквозной регрессии (polled model)
|
|
Коэффициент |
Ст. ошибка |
|
const |
0, 4312*** |
0, 0978 |
|
|
1, 4443*** |
0, 0009 |
|
|
-0, 0679*** |
0, 0117 |
|
|
-0, 0060*** |
0, 0015 |
|
Р-значение (F) |
0, 0000 |
|
|
Ст. ошибка модели |
0, 5170 |
|
|
AIC |
535, 3811 |
|
|
BIC |
550, 813 |
|
|
Тест Вайта, р-значение |
0, 1677 |
|
· Проверка модели сквозной регрессии на гетероскедастичность
Тест Вайта (White) на гетероскедастичность -
Нулевая гипотеза: гетероскедастичность отсутствует
Тестовая статистика: LM = 12, 8897
р-значение = P(Хи-квадрат(9) > 12, 8897) = 0, 16766
· Проверка модели сквозной регрессии на мультиколлинеарность
Метод инфляционных факторов
Минимальное возможное значение = 1.0
Значения > 10.0 могут указывать на наличие мультиколлинеарности
|
v3 |
1, 021 |
|
v4 |
1, 095 |
|
v5 |
1, 117 |
VIF(j) = 1/(1 - R(j)^2),
где R(j) - это коэффициент множественной корреляции между переменной j и
другими независимыми переменными
Приложение 13
Значения параметров модели с фиксированными эффектами (fixed effect model)
|
|
Коэффициент |
Ст. ошибка |
|
|
1, 4437*** |
0, 0007 |
|
|
−0, 0313 |
0, 0201 |
|
|
−0, 0013 |
0, 0021 |
|
Р-значение (F) |
0, 0000 |
|
|
Ст. ошибка модели |
0, 3905 |
|
|
AIC |
383, 5311 |
|
|
BIC |
588, 002 |
|
Индивидуальные эффекты альфа i в модель с фиксированными эффектами
|
cross-section fixed effects |
|||||
|
CROSSID |
Effect |
CROSSID |
Effect |
CROSSID |
Effect |
|
1 |
-0, 0589 |
18 |
0, 2256 |
34 |
-0, 4332 |
|
2 |
0, 1955 |
19 |
0, 0471 |
35 |
0, 3448 |
|
3 |
-0, 1433 |
20 |
-0, 6016 |
36 |
0, 0862 |
|
4 |
-0, 1196 |
21 |
0, 0288 |
37 |
-0, 1987 |
|
5 |
-0, 0653 |
22 |
38 |
0, 0518 |
|
|
6 |
-0, 2911 |
23 |
-0, 2559 |
39 |
-0, 0264 |
|
7 |
-0, 1129 |
24 |
0, 2083 |
40 |
-0, 2662 |
|
8 |
-0, 4282 |
25 |
-0, 1520 |
41 |
-0, 1273 |
|
9 |
0, 2812 |
26 |
0, 8676 |
42 |
-0, 3597 |
|
10 |
-0, 6573 |
27 |
0, 1030 |
43 |
-0, 0979 |
|
11 |
-0, 3319 |
28 |
0, 1662 |
44 |
-0, 3282 |
|
12 |
0, 8834 |
29 |
-0, 2030 |
45 |
-0, 2575 |
|
13 |
0, 1792 |
30 |
0, 0571 |
46 |
-0, 1709 |
|
14 |
-0, 2422 |
31 |
0, 4792 |
47 |
-0, 0935 |
|
15 |
-0, 5785 |
32 |
0, 3842 |
48 |
-0, 3968 |
|
16 |
1, 1685 |
33 |
0, 3678 |
49 |
-0, 3902 |
|
17 |
0, 7977 |
|
|
50 |
0, 1912 |
Приложение 14
Индивидуальные эффекты в модели со случайными эффектами
|
cross-section random effects |
|||||
|
CROSSID |
Effect |
CROSSID |
Effect |
CROSSID |
Effect |
|
1 |
-0, 0044 |
18 |
0, 1844 |
34 |
-0, 3628 |
|
2 |
0, 2113 |
19 |
-0, 0001 |
35 |
0, 2825 |
|
3 |
-0, 1326 |
20 |
-0, 5710 |
36 |
0, 0470 |
|
4 |
-0, 0772 |
21 |
0, 0284 |
37 |
-0, 1917 |
|
5 |
-0, 0398 |
22 |
0, 1857 |
38 |
0, 0115 |
|
6 |
-0, 2144 |
23 |
-0, 2198 |
39 |
-0, 0429 |
|
7 |
-0, 1398 |
24 |
0, 1669 |
40 |
-0, 2370 |
|
8 |
-0, 3318 |
25 |
-0, 1554 |
41 |
-0, 1080 |
|
9 |
0, 2636 |
26 |
0, 6848 |
42 |
-0, 2823 |
|
10 |
-0, 5757 |
27 |
0, 0656 |
43 |
-0, 0395 |
|
11 |
-0, 3010 |
28 |
0, 1303 |
44 |
-0, 2478 |
|
12 |
0, 7770 |
29 |
-0, 1773 |
45 |
-0, 1980 |
|
13 |
0, 1410 |
30 |
0, 0264 |
46 |
-0, 1109 |
|
14 |
-0, 1892 |
31 |
0, 3791 |
47 |
-0, 0506 |
|
15 |
-0, 3746 |
32 |
0, 3083 |
48 |
-0, 3183 |
|
16 |
0, 9356 |
33 |
0, 2896 |
49 |
-0, 2869 |
|
17 |
0, 6822 |
|
|
50 |
0, 1795 |