5217957483

szacujemy model:

^et ⁼ A) + 0iX\_t + 02^21 + 03X3₁ + 0₄X²lt + 0$X²t + 0&X²t + £_t,    (20)

lub:

^et — 0O+0lXit+02X2t+03X3t+04Xi_t+03X2_t+0eX^_t+07XuX2t+08XitX3t+09X2tX3t+^t

(21)

i obliczamy R².

Obliczamy statystkę nR² i odczytujemy z tablic: Xa=0,05; df=6 ^{dla modelu} (20),

Xa=0,05; df=9 ^{dla modelu} (21).

Jeżeli nR² < Xa_;d/ to:

: of = er²- składnik losowy jest homoskedastyczny, jeżeli nR² > Xadf ^°^:

Hi : a² a²- składnik losowy jest heteroskedastyczny.

Testing for Heteroscedastic errors (sąuares)

Chi"2(6) = 7.121 [0.3098] and F-form(6,62) = 1.117 [0.3629]

Testing for Heteroscedastic errors (sąuares and cross-products) Chi"2(9) = 8.6952 [0.4659] and F-form(9,59) = 0.88643 [0.5427]

Czyli:

Xdf=6 ⁼ 7,121 oraz a* = 0,3098, dla modelu (20),

Xd/=9 ⁼ 8,6952 oraz a* = 0,4659, dla modelu (21).

W obu przypadkach krytyczny poziom istotności znacznie przekracza 5%. Uznajemy więc, że w naszym modelu składnik losowy jest homoskedastyczny.

8 Liniowość modelu - test liczby serii

Ho : oszacowany model jest liniowy,

H\ : oszacowany model nie jest liniowy, poziom istotności: a = 0,05, liczba serii: r=37 liczba reszt dodatnich: ni=35, liczba reszt ujemnych: ri2=38, poziom krytyczny odczytany z tablic: r*=30.

Przy 5% poziome istotności r > r*, więc nie ma podstaw do odrzucenia Hq o liniowości modelu.

12