liiga väike ja standardviga tuleb liiga suur. 3. Esineb multikollineaarsus · Mudelisse võetud tunnused on omavahel tugevas korrelatsioonis, ei ole sõltumatud · Parameetrite standardvigade hinnangud tulevad sel juhul suured. 4. Vabadusastmete arv n-k liiga väike, st kui tunnuste arv on suur ja valimi maht n väike. · Soovitatav, et parameetrite arv k on oluliselt väiksem valimi mahust n 38. Mis juhtub parameetrite hinnangutega, kui vealiikmete keskväärtus ei ole 0? Kui mõni eeldus pole täidetud, siis parameetrite hinnangud ei ole enam korraga nihketa, efektiivsed ja mõjusad. Kui eeldus kehtib: mudelisse mittelülitatud sõltumatute tunnuste mõju sõltuva tunnuse Y keskväärtusele on summaarselt null. · Kui mudeli hindamisel on mudelisse lülitatud ka konstant, siis on see eeldus automaatselt täidetud. · Eelduse kehtivust tuleb kindlasti kontrollida siis, kui konstanti mudelisse pole võetud (regressioon läbi nullpunkti)
Heteroskedastiivsus - Muutuv dispersioon var(u ) ≠ const Homoskedastiivsus – Konstantne dispersioon Var(ui)= 2 = const 46) Heteroskedastiivsuse võimalikud põhjused: Matemaatilise mudeli vale kuju Oluline tunnus välja jäänud Üks või mitu seletavat tunnust on asümmeetrilised Üksikud erindid vaatluste hulgas Andmekogumismeetodid paranevad (vaatlusvigad suurus väheneb -> juhuslikud liikmed vähenevad) Muud põhjused 47) Heteroskedastiivsuse mõju Vealiikmete dispersioon EI ESINE parameetrite HINNANGUTE arvutusvalemites. Järelikult heteroskedastiivsus parameetrite hinnanguid ei mõjuta. Need on ikka nihketa. Vealiikmete dispersioon ESINEB parameetrite hinnangute STANDARDVIGADE arvutusvalemites. – Parameetrite hinnangud ei ole enam efektiivsed. – Parameetrite usalduspiirid tulevad valed. – Mudeli ja parameetrite olulisuse testimine (F-test ja t- testid) võivad anda valesid tulemusi.
horisontaalne riba Ei ole konstantse laiusega horisontaalne riba NÄIDE: heteroskedastiivsuse mõju Heteroskedastiivsuse mõju Simulatsioon. Õige mudel yi = 300 + 5xi + ui · Vealiikmete dispersioon EI ESINE parameetrite 700 HINNANGUTE arvutusvalemites 700 Var (ui ) 2 const Var (ui ) const 600 600 · Järelikult heteroskedastiivsus parameetrite hinnanguid ei
• Üksikute erindite (outliers) esinemine vaatluste hulgas. • Andmekogumismeetodid paranevad -> vaatlusvigade suurus väheneb, st juhuslikud liikmed vähenevad. • Muud põhjused – suurema kasumiga ettevõtetel on dividendipoliitikas suuremad erinevused; – suurema sissetulekuga peredel on säästmisharjumused rohkem hajunud. HETEROSKEDASTIIVSUST VÕIB PÕHJUSTADA NII MUDEL KUI KA ANDMED 47. Heteroskedastiivsuse mõju • Vealiikmete dispersioon EI ESINE parameetrite HINNANGUTE arvutusvalemites. • Järelikult heteroskedastiivsus parameetrite hinnanguid ei mõjuta. Need on ikka nihketa. • Vealiikmete dispersioon ESINEB parameetrite hinnangute STANDARDVIGADE arvutusvalemites. – Parameetrite hinnangud ei ole enam efektiivsed. – Parameetrite usalduspiirid tulevad valed. – Mudeli ja parameetrite olulisuse testimine (F-test ja t-testid) võivad anda valesid tulemusi.
annaabi.ee 
