Ожидания в отношении знаков коэффициентов подтвердились только для следующих параметров: SOBKAP, NADA, NADB, KREDKOMMORG, SUMOBAZ, CHAKT. Модель показывает, что собственный капитал банка важен для получения высокой прибыли; кредиты, выданные коммерческим организациям, снижают фактическую прибыль (средства, направленные на выдачу кредитов, поступают за счет сокращения прибыли в текущем периоде).
В целом же модель неудачная, и довольно малы, значение F-статистики тоже не большое. В этой модели 13 из 19 регрессоров незначимы. Велико значение Sum squared resid (3.08E+13) и стандартных ошибок модели (426621.2).
Проверим модель на гетероскедастичность:
White Heteroskedasticity Test:
F-statistic
5.439868
Probability
0.000000
Obs*R-squared
95.81897
Тест Уайта no cross terms показывает, что гипотеза о гомоскедастичности принимается с вероятностью 0% т.е. отвергается, тем самым говоря о наличие гетероскедастичности.
Для улучшения модели надо исключить некоторые незначимые переменные: CHASTN, CHAKT, RABAKT, PRIVSRDRBANK, NADA, NADB, NADC, SUMOBAZ.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-37696.29
75414.85
-0.499852
0.6178
KREDKART
-142891.6
117257.7
-1.218612
0.2246
KREDKOMMORG
-0.038125
0.006146
-6.202821
0.0000
LIKVAKT
-0.075415
0.018988
-3.971669
0.0001
OBAZDOVOS
0.028094
0.008035
3.496584
0.0006
SOBKAP
0.545392
0.035577
15.33007
SRBUDJETORG
-0.003419
0.001680
-2.035163
0.0433
SRCHLITS
0.000826
0.014256
0.057910
0.9539
SRURLITS
-0.034634
0.009259
-3.740397
0.0002
URID
27537.09
91438.25
0.301155
0.7636
USTFOND
-0.420058
0.032421
-12.95644
R-squared
0.659513
Mean dependent var
378819.5
Adjusted R-squared
0.640277
S.D. dependent var
703430.8
S.E. of regression
421896.1
Akaike info criterion
28.79963
Sum squared resid
3.15E+13
Schwarz criterion
28.98900
Log likelihood
-2696.166
34.28444
Durbin-Watson stat
2.050497
Prob(F-statistic)
и уменьшились незначительно, зато значение F-статистики увеличилось вдвое. Стандартные ошибки почти не изменились.
7.432828
83.06950
Тест Уайта по-прежнему показывает наличие гетероскедастичности.
Очевидно, что дальше исключать переменные бессмысленно и следует построить полулогарифмические и логарифмические модели.
Логарифмическая модель:
Даже если судить по графику, доказывающему однородность данных, видно, что эту выборку лучше отражает логарифмическая модель. Вернем в модель все исключенные регрессоры.
log(FACTPRIB) C log(CHAKT) CHASTN KREDKART log(KREDKOMMORG) log(LIKVAKT) NADA NADB NADC log(OBAZDOVOS) log(PRIVSRDRBANK) log(RABAKT) log(SOBKAP) log(SRBUDJETORG) log(SRCHLITS) log(SRURLITS) log(SUMOBAZ) URID log(USTFOND)
-5.860698
2.403132
-2.438775
0.0168
LOG(CHAKT)
0.009676
0.818880
0.011816
0.9906
CHASTN
0.794260
0.914271
0.868736
0.3874
-0.353906
0.260594
-1.358074
0.1780
LOG(KREDKOMMORG)
-0.649195
0.243334
-2.667920
0.0091
LOG(LIKVAKT)
0.105788
0.149088
0.709568
0.4799
NADA
1.040718
0.587033
1.772844
0.0798
NADB
1.198949
0.557710
2.149770
0.0344
NADC
0.670819
0.527920
1.270682
0.2073
LOG(OBAZDOVOS)
-0.206006
0.252990
-0.814285
0.4178
LOG(PRIVSRDRBANK)
-0.017250
0.044849
-0.384634
0.7015
LOG(RABAKT)
0.295992
0.605443
0.488884
0.6262
LOG(SOBKAP)
1.136590
0.280941
4.045649
LOG(SRBUDJETORG)
-0.019563
0.027180
-0.719778
0.4736
LOG(SRCHLITS)
0.105197
0.146548
0.717831
0.4748
LOG(SRURLITS)
0.301929
0.301222
1.002349
0.3190
LOG(SUMOBAZ)
0.179709
0.427042
0.420822
0.6749
0.439510
0.907740
0.484181
0.6295
LOG(USTFOND)
-0.134627
0.077598
-1.734922
0.0864
0.758589
11.91081
0.707466
1.371162
0.741612
2.403663
46.74897
2.886773
-105.9905
14.83869
2.210531
Страницы: 1, 2, 3, 4, 5, 6, 7