Александра Сергеевна Малова

Основы эконометрики в среде GRETL. Учебное пособие


Скачать книгу

6.3

      Как видно из распечатки на рис. 6.3, все коэффициенты в модели стали незначимы, вновь добавленные регрессоры имеют также незначимые коэффициенты. Проведем формальный тест на совместную незначимость с использованием встроенных средств GRETL.

      

      Рис. 6.4

      По результатам теста р-значение < 5 %, то есть можно отвергнуть нулевую гипотезу о совместной незначимости коэффициентов при вновь добавленных регрессорах, хотя бы один из коэффициентов при добавленных трех регрессорах значим. Из эмпирических соображений попробуем исключить последний регрессор – четвертую степень для расчетных значений зависимой переменной – и оценим модель без него.

      Конец ознакомительного фрагмента.

      Текст предоставлен ООО «ЛитРес».

      Прочитайте эту книгу целиком, купив полную легальную версию на ЛитРес.

      Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.

/9j/4AAQSkZJRgABAQIAOwA7AAD/2wBDAAoHBwgHBgoICAgLCgoLDhgQDg0NDh0VFhEYIx8lJCIfIiEmKzcvJik0KSEiMEExNDk7Pj4+JS5ESUM8SDc9Pjv/wAALCAASADcBAREA/8QAGQAAAwEBAQAAAAAAAAAAAAAAAAQGBQcC/8QAKBAAAgIBBAEDBAMBAAAAAAAAAQIDBAUGERIhBwATIhQVMTIWQVKB/9oACAEBAAA/AFaWsspTz+Y1hl8y92li55MbTgr1gIL3MuwVH3IQD243LfJuIUEnoF3T2u9W2cvPalydbJY2HFyXr4r01MWPYo7xxg7qXYbICpb+3G+6lhi1PJ2vH05Vtxz1rEr5QQIWjQzW/gp9lYlUfEEjkw+RMqAEd+raTVmZj8r3cZNlYY8Lh6Mlu9GKnH4BeQ2O7szD3I9yCoPE7L/qZueR9X1/HEOdkv04LeTyUqVl9lC4gAHcY3/VXVkPNWPzHY6J9t5D1phoPt+ekrVctllrrRNlFjSlGQVaeXYdFj3xP6lWJVQArWHjDN6gzlXKT5az9fQSzwx2QNYQGyoLBiEG3x6U/j8lhudthLQ+HdQ/wWzgpsvR905BLkESqxiBCFG3fiG3IYdcSBwH+iRR2tJauv6OyWJe7iMc88Sw1aWLjaGqi+4GkZm4l+TDkvEfHYncHl0rqDxpl7SaUrYTJUakWAUbytAVf3N0LShRurEleXE7d77seXWTm/Emp7mS1AaGcpxUMtZ+qMLc1MrcywV9lOyrzcjYncqpIH5V3D+L85XsaVhyd+nJRwUsthhC7e4JGkLhV3QApusZPL5bs/e3HbT1toPK5zV+P1DjPtFn6asYJKeVjZom7fY7KDy/c9dbFQe/6ydWT67fI4rSVfUVFL2YV7EssJaF65TkxjUqOSxbABWILsVbcgdeurej0ej0ej1yzVFKrkPPmnqt2tDaryY1ucU0YdG2FgjcHo9gH/nr/9k=/9j/4AAQSkZJRgABAQEAAQABAAD/2wBDAAoHBwgHBgoICAgLCgoLDhgQDg0NDh0VFhEYIx8lJCIfIiEmKzcvJik0KSEiMEExNDk7Pj4+JS5ESUM8SDc9Pjv/wAALCADuAWIBAREA/8QAHAABAAEFAQEAAAAAAAAAAAAAAAECAwQFBggH/8QAUxAAAQMDAQQDBhIHBwIGAwAAAQIDBAAFERIGEyExFBXSByJBVZOUFiMyNVFSU1RWYXFzkZKztNHTFzZCdIGhsiQzNENiZHImRTdGY6KxwoKEwf/aAAgBAQAAPwCxs9s+xtdE60um8Vb1L0sR094HwnmpR56dWQACDlJ41vf0d7HeIW/On/zKfo72O8QN+cv/AJlSO5zscf8AsDfnL/5lXU9zXY4/9hb86f8AzKq/Rlsd4hR50/8AmU/Rlsd4gR50/wDmU/Rlsd4gR50/+ZT9GWx3iBHnT/5lR+jPY7xAjzp/8yn6M9jvECPOX/zKfoz2O8Qo85f/ADKfoz2O8QI85f8AzKj9Gmx3iBHnL/5lP0abHeIG/OX/AMyo/Rrsd4hb86f/ADKj9G2x/iFvzp/8yoPc22P8QN+cv/mVB7nGyHiBvzl/8yo/Rzsh4gb85f8AzKpPc62R8QNecv8A5lUnud7JeIGvOX/zKg9zzZIf9ga85f8AzKpPc/2SH/YGvOX/AMyqfQFsh4ga85f/ADKegLZDxA15y/8AmVPoB2Q8QNecv/mVUNgNj/EDXnL/AOZU/o/2P8Qtecv/AJlP0fbH+IGvOX/zKRe55sc5c323LIjdpjMrSnpL+ApS3gT6vPJCforPHc02H8RI86f/ADKn9Gew/iJHnT/brHuPc32KZtkt1qyIS42wtSVCU+cEJJB4rq9J7m+wUVp152yIQ00kqWoyn+AHEn1dY3oG2C+C8/zefV6N3PdgZaVlqxEFtWhaXXpTaknAOClSwRwIPLw1p5mxmyEOdKaFiZWlLwSgKkv96N02rHBweFRPH2atjZXY8/8Al6P5zI/ModldjwpCE7NtuLWcJQ07KWpRwTwSlwk8AT/CrY2c2MUHinZoK6OCX9Kph3OMg68L7z1J9VjkaunZTY8f+Xo/nMj8yqDstseP/LsbzmR+ZVbWxENqzOXLZ9pceahyRpjhZWiQEPOBKO+yQdIABB54zmuc9Hsb2w+iu37nf/h7Z/8Ag99u5XCKtLN07pU0PpK2461vFGMhXpuMH6as3BlqK5KYlxglCE6tCgo4JAIxnviQOHH2a+tWN1mNsrAkSHEtNNwW1rWvvQkBAJJ9iq29rLGWpDi5TjKYraHXt9GdaKEKOEqwpIOCavjaW07xtsuvJLmjiqK6EtlRwkLJThBPDAVg8R7IrWtbYCW/EDEVbTblydiPb9lxPeIQ4oKSSE8fSxkccZweNbs3e3i1x7mX/wCySd1unNCu+3hARwxkZKhzHDPGsNzauyNlodIdcL+vchqK64XQjGoo0pOoDI4jIPE+A1cXtLZEQVzlT2xGbjIkqc0qxu1EhJ5cSSCMc8+CqF7UWhuQ6wtclK2Wi84TCe0pbAJ1atGMd6cHPHGBxq47tDZ2JTsZyYkPM7reICFHTvVaW84HhJHyZycCpfv1rjrdQt9anGXgwpttlbiy4UBelKUglXenPAHAz7BqkbQ2pfRw0668qQnUhDMZxxSRnGVpSklHHI77HEH2DVHomsxCymXqDaXFuaWlnQlCilRVgd73yVAZ54OM1U7tBaWn5cdUsKehbsPtoQpakledCQADqUcchk1ejXKJNgrmMFxbbZUFpLKw4kp5goI1Z+LGTwxzqxHvtskuNNIeWl110spadYcbXrCCvBSpIKe9BPEAGrT+0VpjxBMW4+Y+pxKnW4rq0o3aileopSdIBB4nA4exVxV5toS4rpIIakoiqIQo4cXp0p5cc608eXGrCtorQlbyVSFgMocWpZYcCFBHq9K9OlZHsJJPA+xV167W9lzduP6VaG140K9S4rQg8vCrh8XhrGe2is6C8gSi4tl/oy0NNLcVvMaikJSCVEDicZxg55VdjyY8+G1Lir1svJC0K0kZB+I8RVC+BqkHNTmpBqoKqoGtdNluRbk4WwDqisZz/wA36st3lxc1DD8+Jb21NrXvn0FQJBSAkd+nidRPPwVel3RqNCffZ2otMhxptS0MpYwXCBkJHpx4nlyNWpl0kLt8tJSjBjueA+0NL9cZC4NyZ0Jwpp1PAHPIirN3ur8ydNdi7QxEIexuSLw41uu8A9QjvfVAn481k9dKeulykRltPNOyEqC0nIOGmxwI4eCuZv8Ac5IuL5CEd88CeB9xarARdJR/YR9B/GrnTZL7jTYWyysrGh5bm7DShxCtWeGMZ4cfYroNo7+3c7VuY9zYdVGWlUxCkpaE9QSkBwYxqwU+p5HA9hOeeVc5OPUI+g/jVld0le0R9B/GvouxjinLLDWrmZUjOP3lyvNtffe53/4e2f8A4PfbuV8o2oW2nbqQoa1ASV5CSAc7xXI1vtpbVPRAL0l5t1UkaVrRqKkLGRpVqHEHQoBQyDpIBwBn6TGjs3DYViM8pxDbtvQCppGpae8HEJAOT8WONa2DbrhfJ1xclynC0uPHaQ+uAuMCpDhWQltZ1Y5ZJOMq4csVs39lGHdoXrqhNsdEhba3EzLeH3EqSAMoc1ApyAOGDgjPhq8nZp1MtpwXBAaYuDk5pO474FaXApJVqweLmRwHLHHnV+72A3zZpuz3GZvlEsmQ9u9O+0KSpXegjTq0nkeGfirUuWi9RtobU3FnoUiNEktokuw1LSlslrSheFjKuB74FOdPLnm6rYdhSkBVwcW23B6OEKQMKdys71WCM43isJ4AHj4BjPlbPiQZn9r09Ktggf3edONff8+Pq+Xxc6sRdkYLTa25LipSHWEoeKspW44Fle81A5ByRjGMYGOVYcjYWOtbq0SW3SqZ0lCZ7JlowWktlK9a8r9TkHII4DlWZE2fkWyWiTbZMCIVspZkstwSGVhKlKBQkODQe/VnioHOcVhNbGLiw7jGh3UNIue+VJ1Ma8rWpRStPfcCkEJPMKCRwBpI2IjPMuIEpC1KSwcyI4dC3G1OKUtxJIC9e8ORwx4DyxuLbAVbLWuLHFvYeJUpJiwt00FHkS2FnPgz3wz8VadvY1ha2OmuRH2GpRkGGiGERsboo0pbKlBPE6ieOT4KxZewaHrYmAzMihtKX0ID8IOIZDjhWC2nWAhQBxq48AMAVsZmysGQpl5p11h9Ehh9xSHV6HS2Uni2FBOSEgZIJHD2KwmNi2YzEyO2q3BD7Tzbb4twElAWCOLoV32AccgSPDVb+xkUNyE251m3b9lhvMeMlOFtua9eAcEngOPseHlVa9k4wKW25Cm46XkOgI1JdGlvRgOBQIJ5lXMgkeHNZlshC1WeLb97vejNBvXjGrHhxk1K1caozU5qQqpBqoGsaXEckSEPtKayGw2tt0lIWASUkKAJBBUrwHOfiq30GR73h+eufk1WIMn3tC89c/JqHrZMejPNJYhJLjakBRmOHGQRnG5+Or64UxxxSzFhZUSf8av8mo6vl+9YXnq/yadXy/esLz1f5Naqbsxcpcl13c2/StzWB01wEd4hOP7j/Rn+NWk7I3Af5Nv8+c/Iqv0KTx/kwPPXPyKehWf7jA89c/Iqk7KTz/kwPPXPyKo9CE8qGWreB7PTHD/Lcj/5rrLJBTbY8WGle83aypS8adSlLK1HHgGpR4eCvMFffe5yCrufWYDmUOgeXcrdpnR3EJW2JS0KGUrRCfUlQ8BBCMEfHU9Ma9zmeYSOxU9NbH+XM8wkdip6ej3OZ5hI7FT1gj3OZ5hI7FVC5Nj/AC5nmEjsVV1m17nN8wkdinWbXuc3zCR2KjrNv3Ob5hI7FR1k37nM8wkdihuTfuczzCR2KpNxR7nM8wkdio6wR7nM8wkdinT0e5zPMJHYqDOT7nM8wkdio6cn3OZ5hI7FR01PuczzCR2Kjpo9zl+YSOxTpg9zl+YSOxUdMHucvzCR2Kjpf/py/MJHYqDKz/ly/MZHYqgvZ/y5fmMjsVQVg/5cvzGR2KjUPcpfmMjsU1D3KX5jI7FNY9yl+YyOxU6x7nL8xkdipDo9yl+YSOxVW9T7lL8wkdipDyfc5fmEjsVUJCB/lzPMJHYq4JjY/wAuZ5hI7FViaz7nM8wkdip6cz7nM8wkdinTmfc5nmEjsVPTmfc5nmEjsU6ex7nM8wkdinT2Pc5nmEjsU6cx7nM8wkdio6cz7nM8wkdinTmfc5nmEjsVlQnW33GXWlFSFLwCUlJyFYIIIBBBBGD7FeWa9AdzX9Q7H8jv27ldds0hK9nrbqJAENo8P+Arabln26qndM+2VUbpn26qbpn26qbln26qbln2yqncs+3VUbpn26qbpn26qbln26qbpn26qbpn26qbpn2yqncs+3VUbpn2yqndM+3VUbpn26qndM+3VUbpn26qbpn26qbpn26qncs+3VTcs+3VUbln2yqndM+3VUbpn26qsrAStQHIHFU0pSpqKUpSlKUrS2nmn98kfeHK8v16B7mn6h2P5Hft3K6azOlnZa3LAz/Y2f6RWrvE29S7rAttnlpiOyEPKKlhJB06OZKVY4FXIexWrnejW3s72RfY4BPAaUZ+M8WuQrM2ZvV3dmTo9yfW+G0MrZUttLZKVauOABwOBjNdD1gr2n8617Ux15IceuEpsuLcwhpcZKUhLi0Ad+nPJPOsiNPebelMLdXIS04kIW4U6sKbQvjoASeKjyrI6wV7T+dYyJkle4Qgy3nnWd6UtKZSAO9z6oDwqHhqpc24xEOvPQJSmG29alLdYJSBkqOEq4jGPj51f6wV7T+daubeZrksRYneHJBOsJ5BJUSopVgALR+ySSrwYq9BussENyRr1BRQvI/ZI1DIAB9UnBwOfLhWd1gr2n86zba4Je81p9TjHH2c1zP6TNmBtj6Hd4cf3fTNfpW9zjRn/wC3LPD466a5OCJu9CfVZzx9jFWIUoyJaGlI4Kz4firIelQxM6Gy6hchtbe+bC8lCV6tOfYzpP0U6VDk2lNxguofZcSFNuIXkKBNYPWCvafzrXsybo9HZfXLaaLzSHdG8SMBQzyKCcfxNW27rNt8xKLhNjusONOL16wN2UlOMk