Оценка эффективности реализации региональных программ в сфере туризма (стр. 5 )

5) Оценив вышеприведенные модели, делаем вывод, что следует всё-таки оставить модель линейной, то есть не логарифмировать. Получаем следующую регрессионную модель:

Таблица 2.9.

Выбранная регрессионная модель

Dependent Variable: YNEW
Method: Least Squares
Date: 05/18/13 Time: 18:08
Sample (adjusted): 2 71
Included observations: 68 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO	45.50812	21.36355	2.130176	0.0373
TEATR	-0.879038	2.541623	-0.345857	0.7307
Q	0.006010	0.004721	1.273087	0.2079
NUMBER	-0.374582	0.324859	-1.153059	0.2535
MEROPR	0.003705	0.006039	0.613499	0.5419
INCOME	0.009923	0.002439	4.068057	0.0001
HOTEL	-0.130246	0.308468	-0.422233	0.6744
C	-67.12345	33.15462	-2.024558	0.0474
R-squared	0.260317	Mean dependent var	47.45588
Adjusted R-squared	0.174021	S. D. dependent var	93.75701
S. E. of regression	85.20953	Akaike info criterion	11.83823
Sum squared resid	435639.9	Schwarz criterion	12.09935
Log likelihood	-394.5000	Hannan-Quinn criter.	11.94170
F-statistic	3.016554	Durbin-Watson stat	2.538939
Prob(F-statistic)	0.008777

6) Затем, для улучшения модели, избавляемся от лишних переменных. Для этого проделываем соответствующий тест на Redundant Variables.

Таблица 2.10.

Тест на лишние переменные

Redundant Variables: HOTEL MEROPR Q TEATR
F-statistic	0.678514	Prob. F(4,60)	0.6095
Log likelihood ratio	3.008389	Prob. Chi-Square(4)	0.5564
Test Equation:
Dependent Variable: YNEW
Method: Least Squares
Date: 05/19/13 Time: 16:46
Sample: 2 71
Included observations: 68
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO	46.02572	20.98141	2.193643	0.0319
INCOME	0.008326	0.002167	3.841418	0.0003
NUMBER	-0.344483	0.108612	-3.171693	0.0023
C	-38.87420	26.16228	-1.485888	0.1422
R-squared	0.226858	Mean dependent var	47.45588
Adjusted R-squared	0.190617	S. D. dependent var	93.75701
S. E. of regression	84.34914	Akaike info criterion	11.76483
Sum squared resid	455345.7	Schwarz criterion	11.89539
Log likelihood	-396.0042	Hannan-Quinn criter.	11.81656
F-statistic	6.259717	Durbin-Watson stat	2.532186
Prob(F-statistic)	0.000857

Значение вероятности высоко (выше 0,05), поэтому переменные MEROPR, HOTEL, Q, TEATR являются лишними и их можно исключить из модели. Безусловно, это не означает, что исключенные переменные не оказывают реального влияния на долю поступлений от гостиниц и ресторанов в ВРП. Однако, в контексте заданной модели и поставленной задачи, для оптимизации и улучшения модели необходимо исключить данные переменные, что мы и сделаем.

7) Проверяем модель на наличие мультиколлинеарности, предположение о которой мы делали ранее при построении корреляционной таблицы:

Проверяем такой параметр как VIF – фактор инфляции вариации.

Таблица 2.11.

Вычисление показателя VIF (фактор инфляции вариации)

1	2	3
0,05051	0,297024	0,273077
1,	1,422524	1,375662
yesno	number	income

Поскольку VIF для всех переменных не превышает 5, то мультиколлинеарность отсутствует. Мы сделали проверку уже после того, как исключили лишние переменные, поэтому, видимо, МКН была устранена.

8) Важнейшим этапом является проверка на наличие гетероскедастичности. Нулевая гипотеза – остатки гомоскедастичны. Для начала, делаем проверку с помощью специальных тестов:

Таблица 2.12.

Тест Бреуша-Пагана

Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic	7.020828	Prob. F(3,67)	0.0004
Obs*R-squared	16.98154	Prob. Chi-Square(3)	0.0007
Scaled explained SS	47.54602	Prob. Chi-Square(3)	0.0000

Таблица 2.13.