Обчислення результатів регресійного аналізу

У вступі нами була описана загальна схема економетричного моделювання:

1. Економічна теорія.

2. Математична модель теорії.

3. Економетрична модель теорії.

4. Дані.

5. Проведення оцінки параметрів економетричної моделі.

6. Перевірка гіпотез.

7. Прогнозування.

8. Використання моделі для прийняття рішень або з політичною метою.

Зараз, після подання результатів регресійного аналізу нашої моделі “споживання - дохід” у вигляді (3.11.1), природно задати питання про адекватність цієї моделі. Наскільки «добре» вона підігнана до наявних даних? Для відповіді на це запитання нам потрібні деякі критерії.

По-перше, чи відповідають знаки оцінених коефіцієнтів теоретичним прогнозам або наявному досвіду? Апріорі , схильність до покупки, повинна бути позитивною. По-друге, якщо згідно з теорією взаємозв’язок повинен бути не тільки позитивним, але й статистично значимим, чи виконується це? Як ми зазначили в розд. 3, МРС – схильність до покупки - є не тільки позитивною величиною, а й статистично значимо відрізняється від нуля. Ці ж зауваження стосуються й коефіцієнта . По-третє, наскільки добре регресійна модель пояснює зміну споживацьких витрат? Для відповіді на це запитання можна застосувати . У нашому випадку дуже високий, враховуючи, що максимальне значення є 1.

Таким чином, вибрана нами модель для пояснення характеру споживацьких витрат є цілком прийнятною. Але перш ніж підвести межу, цікаво з'ясувати, чи задовольнить модель припущення CNLRM (classical normal linear regression model) класичної лінійної моделі з нормальним законом розподілу. Ми не звертатимемо увагу на різні припущення, оскільки модель є дуже простою. Але є одна гіпотеза, яку ми хотіли б перевірити, а саме – гіпотеза про нормальний розподіл випадкової складової .

Пригадаємо, що використані раніше t- і F-тести припускали, що розподілена за нормальним законом розподілу. Інакше процедура перевірки не буде дійсна для малих або кінцевих вибірок.