Оценка качества модели регрессии в условиях нарушения предпосылок МНК

При построении модели и проверке ее статистической значимости с использованием

МНК результаты не всегда явл корректными, особенно в тех случаях, когда случайные

Отклонения коррелируют между собой или с экзогенными переменными. Такие случаи

И общие требования, предъявляемые к случайным отклонениям регр модели

Называются предпосылками мнк. Только в случае их выполнения можно говорить, что

Статит. значимая регрессия явл адекватной.

Предпосылки: 1) M(e)=0 2)D(e)-const (гомоскедастичность) 3)cov(ei,ej)=0 (отклонения

не коррелир м-ду собой – нет автокорреляции АК) 4) e не коррелир с X 5) модель

Линейна относит параметров 6) экзогенные переем (х) не коррелир м-ду собой (если

да – мультиколлинеарность МК) 7) случайнее отклонения распределены по

Нормальному закону

В случае МК(пример: когда в модели переменные экспорта, импорта, тогр

Баланса одновременно; ставка рефинансир с другими ставками; доходы,

расходы и сбереж населения):

Последствия МК: 1. Оценки смещенные (может быть неверный знак

коэффициента) 2.заниженные t-статистики 3.R^2 завышен

Можно определить: 1) если R большое, а коэффиц не значимы 2)по значению частных

Коэфф корреляции 3)с использованием вспомогательной регрессии

Методы коррекции:

Исключение стат незначимых переменных