Раздел 1.01 Динамические модели (стр. 4 )

Проводим LM-Test для определения автокорреляции остатков.

Breusch-Godfrey Serial Correlation LM Test:
F-statistic	1.100100	Probability	0.344071
Obs*R-squared	2.365793	Probability	0.306390
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 03/13/08 Time: 17:27
Presample missing value lagged residuals set to zero.
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	12.07645	54.08941	0.223268	0.8246
Y(-1)	-0.157659	0.323974	-0.486642	0.6295
X	-0.030517	0.350876	-0.086974	0.9312
RESID(-1)	0.122717	0.364484	0.336687	0.7384
RESID(-2)	-0.280764	0.194849	-1.440926	0.1585
R-squared	0.059145	Mean dependent var	-1.12E-14
Adjusted R-squared	-0.048381	S. D. dependent var	244.5008
S. E. of regression	250.3456	Akaike info criterion	14.00003
Sum squared resid	2193553.	Schwarz criterion	14.21114
Log likelihood	-275.0006	F-statistic	0.550050
Durbin-Watson stat	2.088791	Prob(F-statistic)	0.700197

Результаты LM-Test говорят об отсутствии автокорреляции остатков, т. е. Prob(F-statistic)>0,05. Следовательно, построенная модель может качественно описывать поведение зависимой переменной.

7.  Фальстарт yt=a0+b1yt-1+a1xt-1

При построении данной модели должно выполняться условие: исходные ряды должны быть интегрированными нулевого порядка, т. е. yt, xt~I(0). Наши исходные ряды являются интегрированными нулевого порядка. Фальстарт –– наиболее удобная форма для прогнозирования, поскольку мы получаем значения yt от предыдущих показателей yt-1 и xt-1.

Строим модель.

Dependent Variable: Y
Method: Least Squares
Date: 03/13/08 Time: 17:30
Sample(adjusted): 1997:2 2007:1
Included observations: 40 after adjusting endpoints
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	100.6426	57.50974	1.750010	0.0884
Y(-1)	-0.267924	0.178259	-1.503006	0.1413
X(-1)	-0.166308	0.426694	-0.389760	0.6989
R-squared	0.059965	Mean dependent var	69.80000
Adjusted R-squared	0.009152	S. D. dependent var	286.4473
S. E. of regression	285.1334	Akaike info criterion	14.21583
Sum squared resid	3008139.	Schwarz criterion	14.34250
Log likelihood	-281.3166	F-statistic	1.180122
Durbin-Watson stat	2.091124	Prob(F-statistic)	0.318539

Из таблицы видно, что константа и коэффициенты при объясняющих переменных yt-1 и xt-1 незначимы при 5% доверительном интервале. R-squared очень низкий, Prob(F-statistic)>0,05, что говорит о том, что совокупное влияние объясняющих переменных модели несущественно.

Проводим LM-Test для определения автокорреляции остатков.

Breusch-Godfrey Serial Correlation LM Test:
F-statistic	1.697791	Probability	0.197819
Obs*R-squared	3.537471	Probability	0.170549
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 03/13/08 Time: 17:33
Presample missing value lagged residuals set to zero.
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	101.3418	125.7046	0.806190	0.4256
Y(-1)	-1.233591	1.484080	-0.831216	0.4115
X(-1)	-0.203078	0.433976	-0.467947	0.6427
RESID(-1)	1.122218	1.460313	0.768478	0.4474
RESID(-2)	-0.556913	0.387411	-1.437527	0.1594
R-squared	0.088437	Mean dependent var	-3.15E-15
Adjusted R-squared	-0.015742	S. D. dependent var	277.7261
S. E. of regression	279.9035	Akaike info criterion	14.22324
Sum squared resid	2742109.	Schwarz criterion	14.43435
Log likelihood	-279.4647	F-statistic	0.848895
Durbin-Watson stat	2.099402	Prob(F-statistic)	0.503973

Результаты LM-Test говорят об отсутствии автокорреляции остатков, т. е. Prob(F-statistic)>0,05. Построенная модель низкого качества.