Microsoft Word - 計量研修テキスト_第5版).doc

Similar documents
Microsoft Word - 計量研修テキスト_第5版).doc

Microsoft Word - 計量研修テキスト_第5版).doc

Dependent Variable: LOG(GDP00/(E*HOUR)) Date: 02/27/06 Time: 16:39 Sample (adjusted): 1994Q1 2005Q3 Included observations: 47 after adjustments C -1.5

7. フィリップス曲線 経済統計分析 (2014 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推

Microsoft Word - 計量研修テキスト_第5版).doc

Microsoft Word - 計量研修テキスト_第5版).doc

4 OLS 4 OLS 4.1 nurseries dual c dual i = c + βnurseries i + ε i (1) 1. OLS Workfile Quick - Estimate Equation OK Equation specification dual c nurser

不均一分散最小二乗法の仮定では 想定しているモデルの誤差が時間やサンプルを通じて一定であるとしている 次のような式を想定する 誤差項である ut の散らばり具合がサンプルを通じて一定であるという仮定である この仮定は均一分散と呼ばれる 不均一分散とは その仮定が満たされない場合で 推計した係数の分散

第9回 日経STOCKリーグレポート 審査委員特別賞<地域の元気がでるで賞>

計量経済分析 2011 年度夏学期期末試験 担当 : 別所俊一郎 以下のすべてに答えなさい. 回答は日本語か英語でおこなうこと. 1. 次のそれぞれの記述が正しいかどうか判定し, 誤りである場合には理由, あるいはより適切な 記述はどのようなものかを述べなさい. (1) You have to wo

Microsoft PowerPoint - TA報告(7)

28

<4D F736F F D20939D8C7689F090CD985F93C18EEA8D758B E646F63>

1.民営化

y i OLS [0, 1] OLS x i = (1, x 1,i,, x k,i ) β = (β 0, β 1,, β k ) G ( x i β) 1 G i 1 π i π i P {y i = 1 x i } = G (

6. 消費関数と 乗数効果 経済統計分析 (2017 年度秋学期 )

操作変数法

パネル・データの分析

Microsoft PowerPoint - Econometrics pptx

第11回:線形回帰モデルのOLS推定

10

σ t σ t σt nikkei HP nikkei4csv H R nikkei4<-readcsv("h:=y=ynikkei4csv",header=t) (1) nikkei header=t nikkei4csv 4 4 nikkei nikkei4<-dataframe(n

% 10%, 35%( 1029 ) p (a) 1 p 95% (b) 1 Std. Err. (c) p 40% 5% (d) p 1: STATA (1). prtesti One-sample test of pr

6. 消費関数と乗数効果 経済統計分析 (2014 年度秋学期 ) 消費関数 ( 統計分析手法 ) 回帰分析 ( 単回帰 重回帰 ) 最小二乗法 回帰分析の推定結果の読み取り方 回帰係数の意味 実績値 推定値 残差 決定係数 自由度修正済決定係数 説明変数の選択 外れ値 ( 異常値 ) の影響 推定

回帰分析 単回帰

以下の内容について説明する 1. VAR モデル推定する 2. VAR モデルを用いて予測する 3. グレンジャーの因果性を検定する 4. インパルス応答関数を描く 1. VAR モデルを推定する ここでは VAR(p) モデル : R による時系列分析の方法 2 y t = c + Φ 1 y t

1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press.

untitled

PowerPoint Presentation

ODAとFDIの相互関係 ~先進国5カ国における考察~

Stata 11 Stata ts (ARMA) ARCH/GARCH whitepaper mwp 3 mwp-083 arch ARCH 11 mwp-051 arch postestimation 27 mwp-056 arima ARMA 35 mwp-003 arima postestim

最小2乗法

201711grade2.pdf

回帰分析 重回帰(1)

Microsoft Word - eviews2_

II (2011 ) ( ) α β û i R

情報工学概論

Microsoft Word - eviews1_

1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3.

AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t

80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = i=1 i=1 n λ x i e λ i=1 x i! = λ n i=1 x i e nλ n i=1 x

untitled

事例研究(ミクロ経済政策・問題分析III) -規制産業と料金・価格制度-

経済統計分析1 イントロダクション

3. みせかけの相関単位根系列が注目されるのは これを持つ変数同士の回帰には意味がないためだ 単位根系列で代表的なドリフト付きランダムウォークを発生させてそれを確かめてみよう yと xという変数名の系列をを作成する yt=0.5+yt-1+et xt=0.1+xt-1+et 初期値を y は 10

Microsoft PowerPoint - S11_1 2010Econometrics [互換モード]

> usdata01 と打ち込んでエンター キーを押すと V1 V2 V : : : : のように表示され 読み込まれていることがわかる ここで V1, V2, V3 は R が列のデータに自 動的につけた変数名である ( variable

Stata11 whitepapers mwp-037 regress - regress regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F(

Microsoft PowerPoint - ch03j

回帰分析 重回帰(3)

DVIOUT-ar

事例研究(ミクロ経済政策・問題分析III) -規制産業と料金・価格制度-

Microsoft Word - å“Ÿåłžå¸°173.docx

現代日本論演習/比較現代日本論研究演習I「統計分析の基礎」

R による共和分分析 1. 共和分分析を行う 1.1 パッケージ urca インスツールする 共和分分析をするために R のパッケージ urca をインスツールする パッケージとは通常の R には含まれていない 追加的な R のコマンドの集まりのようなものである R には追加的に 600 以上のパッ


オーストラリア研究紀要 36号(P)☆/3.橋本

Microsoft Word - eviews6_

(lm) lm AIC 2 / 1

kubostat2018d p.2 :? bod size x and fertilization f change seed number? : a statistical model for this example? i response variable seed number : { i

◇人事処遇制度の導入・検討状況

第13回:交差項を含む回帰・弾力性の推定

The effect of smoking habit on the labor productivities

第7章

Excelにおける回帰分析(最小二乗法)の手順と出力

yamadaiR(cEFA).pdf

Microsoft Word - 解答とヒント.doc

土砂流入対策実施計画〔久著呂川〕

と入力する すると最初の 25 行が表示される 1 行目は変数の名前であり 2 列目は企業番号 (1,,10),3 列目は西暦 (1935,,1954) を表している ( 他のパネルデータを分析する際もデ ータをこのように並べておかなくてはならない つまりまず i=1 を固定し i=1 の t に関

Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷

Microsoft PowerPoint - e-stat(OLS).pptx

R John Fox R R R Console library(rcmdr) Rcmdr R GUI Windows R R SDI *1 R Console R 1 2 Windows XP Windows * 2 R R Console R ˆ R

kubostat2017b p.1 agenda I 2017 (b) probability distribution and maximum likelihood estimation :

統計的データ解析

<4D F736F F F696E74202D2091E63989F1837D815B F A B836093C1985F D816A2E >

Microsoft Word - eviews4_

平成 25 年度卒業論文 浪人と留年 所属ゼミ 村澤ゼミ 学籍番号 氏名中司雄也 大阪府立大学 経済学部

1 15 R Part : website:

こんにちは由美子です

Microsoft Word - 光石賞完成.doc

.3 ˆβ1 = S, S ˆβ0 = ȳ ˆβ1 S = (β0 + β1i i) β0 β1 S = (i β0 β1i) = 0 β0 S = (i β0 β1i)i = 0 β1 β0, β1 ȳ β0 β1 = 0, (i ȳ β1(i ))i = 0 {(i ȳ)(i ) β1(i ))

GLM PROC GLM y = Xβ + ε y X β ε ε σ 2 E[ε] = 0 var[ε] = σ 2 I σ 2 0 σ 2 =... 0 σ 2 σ 2 I ε σ 2 y E[y] =Xβ var[y] =σ 2 I PROC GLM

こんにちは由美子です

Chapter 1 Epidemiological Terminology

Medical3

082_rev2_utf8.pdf

DAA09

Microsoft Word - 訋é⁄‘組渋å�¦H29æœ�末試é¨fi解ç�fl仟㆓.docx

Use R

現代日本論演習/比較現代日本論研究演習I「統計分析の基礎」

(3) 検定統計量の有意確率にもとづく仮説の採否データから有意確率 (significant probability, p 値 ) を求め 有意水準と照合する 有意確率とは データの分析によって得られた統計値が偶然おこる確率のこと あらかじめ設定した有意確率より低い場合は 帰無仮説を棄却して対立仮説







<8B9E8B40925A904D D862E706466>



Transcription:

Q3-1-1 テキスト P59 10.8.3.2.1.0 -.1 -.2 10.4 10.0 9.6 9.2 8.8 -.3 76 78 80 82 84 86 88 90 92 94 96 98 R e s i d u al A c tual Fi tte d Dependent Variable: LOG(TAXH) Date: 10/26/05 Time: 15:42 Sample: 1975 1998 Included observations: 24 LOG(YNH) 1.264042 0.079310 15.93808 0.0000 C -5.594743 0.977449-5.723819 0.0000 R-squared 0.920296 Mean dependent var 9.977606 Adjusted R-squared 0.916673 S.D. dependent var 0.472175 S.E. of regression 0.136300 Akaike info criterion -1.068265 Sum squared resid 0.408708 Schwarz criterion -0.970094 Log likelihood 14.81918 F-statistic 254.0223 Durbin-Watson stat 0.203893 Prob(F-statistic) 0.000000 誤差項に 1 階の自己相関が発生している ( 視覚的には上記図参照 ) 224

Q3-1-2 テキスト P59 Omitted Variable の追加 : 新たに財産所得 [LOG(YAH)] を説明変数として加える 10.8 10.4 10.0.10.05 9.6 9.2 8.8.00 -.05 -.10 76 78 80 82 84 86 88 90 92 94 96 98 R e s i d ual A c tu a l Fi tted Dependent Variable: LOG(TAXH) Date: 10/26/05 Time: 15:47 Sample: 1975 1998 Included observations: 24 LOG(YNH) 0.916294 0.035528 25.79047 0.0000 LOG(YAH) 0.616127 0.044149 13.95566 0.0000 C -7.299619 0.335175-21.77856 0.0000 R-squared 0.992242 Mean dependent var 9.977606 Adjusted R-squared 0.991504 S.D. dependent var 0.472175 S.E. of regression 0.043523 Akaike info criterion -3.314578 Sum squared resid 0.039780 Schwarz criterion -3.167321 Log likelihood 42.77494 F-statistic 1343.016 Durbin-Watson stat 1.341033 Prob(F-statistic) 0.000000 DW 値が改善 Omitted Variable(=YAH) 225

Q3-1-3 テキスト P61 誤差項に 1 階の自己相関があることを考慮した最尤法による推定 10.8 10.4 10.0 9.6.08.04 9.2 8.8.00 -.04 -.08 -.12 76 78 80 82 84 86 88 90 92 94 96 98 R e s i d ual A c tu a l Fi tted Dependent Variable: LOG(TAXH) Date: 10/26/05 Time: 15:50 Sample (adjusted): 1976 1998 Included observations: 23 after adjustments Convergence achieved after 13 iterations LOG(YNH) 0.925516 0.058818 15.73535 0.0000 LOG(YAH) 0.565030 0.078030 7.241160 0.0000 C -6.917079 0.839160-8.242857 0.0000 AR(1) 0.423531 0.287921 1.470996 0.1577 R-squared 0.990946 Mean dependent var 10.02293 Adjusted R-squared 0.989517 S.D. dependent var 0.426075 S.E. of regression 0.043625 Akaike info criterion -3.269604 Sum squared resid 0.036160 Schwarz criterion -3.072126 Log likelihood 41.60044 F-statistic 693.1926 Durbin-Watson stat 1.572824 Prob(F-statistic) 0.000000 誤差項の1 階自己相関係数 Inverted AR Roots.42 BM 最尤法による推定 226

Q3-2-1 テキスト P61 データの季節性を考慮しない推定 76000 72000 6000 4000 2000 0 68000 64000 60000 56000-2000 -4000 90 91 92 93 94 95 96 97 98 99 00 01 02 R es i dua l A c tu a l Fi tte d Dependent Variable: C95 Date: 10/26/05 Time: 15:57 Sample: 1990Q1 2002Q4 Included observations: 52 RYLE 0.225107 0.035320 6.373288 0.0000 RDEPO 0.022780 0.002511 9.070765 0.0000 C 37201.96 2197.414 16.92988 0.0000 R-squared 0.825474 Mean dependent var 67935.34 Adjusted R-squared 0.818350 S.D. dependent var 4380.313 S.E. of regression 1866.907 Akaike info criterion 17.95791 Sum squared resid 1.71E+08 Schwarz criterion 18.07049 Log likelihood -463.9058 F-statistic 115.8799 Durbin-Watson stat 1.999396 Prob(F-statistic) 0.000000 一見誤差項の自己相関の問題はないように思えるが 227

Q3-2-2 テキスト P63 Breusch-Godfrey 検定 Breusch-Godfrey Serial Correlation LM Test: F-statistic 9.865135 Prob. F(8,41) 0.000000 Obs*R-squared 34.22164 Prob. Chi-Square(8) 0.000037 Test Equation: Dependent Variable: RESID Date: 11/11/05 Time: 14:50 Presample missing value lagged residuals set to zero. RYLE 0.006128 0.047806 0.128181 0.8986 RDEPO -0.000306 0.002158-0.141920 0.8878 C -207.4857 2373.977-0.087400 0.9308 RESID(-1) 0.087539 0.156865 0.558052 0.5798 RESID(-2) 0.029607 0.163283 0.181321 0.8570 RESID(-3) 0.146358 0.185603 0.788553 0.4349 RESID(-4) 0.747395 0.155621 4.802669 0.0000 RESID(-5) -0.154662 0.159225-0.971342 0.3371 RESID(-6) -0.050635 0.169050-0.299525 0.7661 RESID(-7) -0.254810 0.164733-1.546801 0.1296 RESID(-8) 0.086977 0.163270 0.532717 0.5971 4 期ラグとの相関関係強い R-squared 0.658108 Mean dependent var -4.31E-12 Adjusted R-squared 0.574720 S.D. dependent var 1829.935 S.E. of regression 1193.364 Akaike info criterion 17.19235 Sum squared resid 58388834 Schwarz criterion 17.60511 Log likelihood -436.0010 F-statistic 7.892108 Durbin-Watson stat 1.961748 Prob(F-statistic) 0.000001 228

Q3-2-3 テキスト P64 データの季節性を考慮した推定 1: 季節ダミー変数 (Q1~Q3) 導入 76000 72000 68000 3000 2000 1000 0 64000 60000 56000-1000 -2000-3000 90 91 92 93 94 95 96 97 98 99 00 01 02 R es i dua l A c tu a l Fi tte d Dependent Variable: C95 Date: 10/26/05 Time: 16:01 Sample: 1990Q1 2002Q4 Included observations: 52 RYLE 0.657721 0.102308 6.428806 0.0000 RDEPO 0.008269 0.003482 2.374602 0.0218 Q1 8719.269 2108.725 4.134853 0.0001 Q2 430.3446 1000.776 0.430011 0.6692 Q3 4517.505 1224.668 3.688760 0.0006 C 14050.98 5868.881 2.394149 0.0208 R-squared 0.954293 Mean dependent var 67935.34 Adjusted R-squared 0.949325 S.D. dependent var 4380.313 S.E. of regression 986.0591 Akaike info criterion 16.73348 Sum squared resid 44726378 Schwarz criterion 16.95862 Log likelihood -429.0704 F-statistic 192.0818 Durbin-Watson stat 1.789597 Prob(F-statistic) 0.000000 自由度修正済み決定係数の向上 229

Q3-2-3 続き 高階自己相関の検定 Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.989192 Prob. F(8,38) 0.459711 Obs*R-squared 8.962582 Prob. Chi-Square(8) 0.345462 帰無仮説 : 高階の自己相関なし が棄却されない Test Equation: 高階自己相関なし Dependent Variable: RESID Date: 11/11/05 Time: 14:59 Presample missing value lagged residuals set to zero. RYLE -0.002311 0.131009-0.017644 0.9860 RDEPO 0.000190 0.004450 0.042659 0.9662 Q1-25.90941 2683.408-0.009655 0.9923 Q2 17.74427 1245.205 0.014250 0.9887 Q3-36.32161 1536.495-0.023639 0.9813 C 48.82814 7432.082 0.006570 0.9948 RESID(-1) 0.079197 0.162745 0.486633 0.6293 RESID(-2) 0.066109 0.167125 0.395565 0.6946 RESID(-3) 0.238338 0.167262 1.424935 0.1623 RESID(-4) 0.150854 0.175575 0.859199 0.3956 RESID(-5) -0.162026 0.184445-0.878451 0.3852 RESID(-6) -0.084119 0.178913-0.470166 0.6409 RESID(-7) 0.135445 0.172621 0.784640 0.4375 RESID(-8) -0.140330 0.174836-0.802634 0.4272 R-squared 0.172357 Mean dependent var 9.79E-13 Adjusted R-squared -0.110784 S.D. dependent var 936.4763 S.E. of regression 986.9871 Akaike info criterion 16.85200 Sum squared resid 37017458 Schwarz criterion 17.37733 Log likelihood -424.1519 F-statistic 0.608733 Durbin-Watson stat 1.921601 Prob(F-statistic) 0.831502 230

Q3-2-4 テキスト P65 高階自己相関を考慮した BM 最尤法 76000 72000 4000 2000 0 68000 64000 60000 56000-2000 -4000 91 92 93 94 95 96 97 98 99 00 01 02 R es i dua l A c tu a l Fi tte d Dependent Variable: C95 Date: 10/26/05 Time: 16:05 Sample (adjusted): 1991Q1 2002Q4 Included observations: 48 after adjustments Convergence achieved after 9 iterations RYLE 0.121915 0.103215 1.181180 0.2439 RDEPO 0.012172 0.009471 1.285122 0.2055 C 54243.32 12646.04 4.289353 0.0001 AR(4) 0.829315 0.081224 10.21025 0.0000 R-squared 0.935775 Mean dependent var 68521.24 Adjusted R-squared 0.931396 S.D. dependent var 3956.323 S.E. of regression 1036.252 Akaike info criterion 16.80426 Sum squared resid 47248042 Schwarz criterion 16.96020 Log likelihood -399.3023 F-statistic 213.6980 Durbin-Watson stat 2.024239 Prob(F-statistic) 0.000000 Inverted AR Roots.95.00-.95 i -.00+.95i -.95 231

Q3-2-5 テキスト P65 季節調整をしたデータによる推定 76000 72000 68000 64000 60000 56000 90 91 92 93 94 95 96 97 98 99 00 01 02 C 9 5 C 9 5_ SA 84000 80000 76000 72000 68000 64000 60000 56000 52000 48000 90 91 92 93 94 95 96 97 98 99 00 01 02 RY L E RY L E _ S A 900000 800000 700000 600000 500000 400000 90 91 92 93 94 95 96 97 98 99 00 01 02 RDEPO RDEPO_SA 232

76000 72000 3000 2000 1000 0 68000 64000 60000 56000-1000 -2000 90 91 92 93 94 95 96 97 98 99 00 01 02 R es i dua l A c tu a l Fi tte d Dependent Variable: C95_SA Date: 10/26/05 Time: 16:08 Sample: 1990Q1 2002Q4 Included observations: 52 RYLE_SA 0.717351 0.095644 7.500220 0.0000 RDEPO_SA 0.006412 0.003253 1.971218 0.0544 C 14652.88 4502.330 3.254510 0.0021 R-squared 0.947083 Mean dependent var 67939.80 Adjusted R-squared 0.944924 S.D. dependent var 3722.866 S.E. of regression 873.6954 Akaike info criterion 16.43930 Sum squared resid 37403835 Schwarz criterion 16.55187 Log likelihood -424.4218 F-statistic 438.4936 Durbin-Watson stat 1.655109 Prob(F-statistic) 0.000000 233

Q3-3-1 テキスト P67 誤差項の不均一分散 4.0E+07 3.0E+07 2.0E+07 8000000 4000000 1.0E+07 0.0E+00 0-4000000 -8000000 5 10 15 20 25 30 35 40 45 R e s i d u a l A c tu al Fi t t e d Dependent Variable: C95 Date: 10/26/05 Time: 16:11 Sample: 1 47 Included observations: 47 Y95 0.402304 0.016823 23.91344 0.0000 C 895493.3 302864.5 2.956746 0.0049 R-squared 0.927049 Mean dependent var 5354219. Adjusted R-squared 0.925428 S.D. dependent var 5991758. S.E. of regression 1636223. Akaike info criterion 31.49530 Sum squared resid 1.20E+14 Schwarz criterion 31.57403 Log likelihood -738.1396 F-statistic 571.8524 Durbin-Watson stat 2.456389 Prob(F-statistic) 0.000000 234

Q3-3-2 テキスト P68 不均一分散の有無を確認する検定 White Heteroskedasticity Test: F-statistic 28.26965 Prob. F(2,44) 0.000000 Obs*R-squared 26.43093 Prob. Chi-Square(2) 0.000002 Test Equation: Dependent Variable: RESID^2 Date: 10/26/05 Time: 16:13 Sample: 1 47 Included observations: 47 C -1.77E+12 1.21E+12-1.464800 0.1501 Y95 405573.2 132664.8 3.057128 0.0038 Y95^2-0.000501 0.001674-0.299661 0.7658 R-squared 0.562360 Mean dependent var 2.56E+12 Adjusted R-squared 0.542467 S.D. dependent var 7.05E+12 S.E. of regression 4.77E+12 Akaike info criterion 61.28715 Sum squared resid 1.00E+27 Schwarz criterion 61.40524 Log likelihood -1437.248 F-statistic 28.26965 Durbin-Watson stat 1.657246 Prob(F-statistic) 0.000000 H 0 : 不均一分散なし H 1 : 不均一分散 帰無仮説 : H 0 が棄却される 誤差項の不均一分散がある 235

Q3-3-3 テキスト P70 残差の 2 乗系列と POP の 2 乗系列の相関 Dependent Variable: RES^2 Date: 10/26/05 Time: 16:17 Sample: 1 47 Included observations: 47 POP^2 0.214883 0.018736 11.46915 0.0000 R-squared 0.705958 Mean dependent var 2.56E+12 Adjusted R-squared 0.705958 S.D. dependent var 7.05E+12 S.E. of regression 3.83E+12 Akaike info criterion 60.80437 Sum squared resid 6.73E+26 Schwarz criterion 60.84373 Log likelihood -1427.903 Durbin-Watson stat 1.672270 加重最小 2 乗法による推定 Dependent Variable: C95 Date: 10/26/05 Time: 16:20 Sample: 1 47 Included observations: 47 Weighting series: POP Y95 0.306956 0.013314 23.05541 0.0000 C 5017366. 637411.4 7.871472 0.0000 Weighted Statistics R-squared 0.978550 Mean dependent var 10778244 Adjusted R-squared 0.978073 S.D. dependent var 23941334 S.E. of regression 3545171. Akaike info criterion 33.04169 Sum squared resid 5.66E+14 Schwarz criterion 33.12042 Log likelihood -774.4798 F-statistic 531.5521 Durbin-Watson stat 1.997821 Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.607595 Mean dependent var 5354219. Adjusted R-squared 0.598875 S.D. dependent var 5991758. S.E. of regression 3794846. Sum squared resid 6.48E+14 Durbin-Watson stat 0.417828 236

Q3-3-4 テキスト P71 Dependent Variable: C95 Date: 10/26/05 Time: 16:21 Sample: 1 47 Included observations: 47 White Heteroskedasticity-Consistent Standard Errors & Covariance Y95 0.402304 0.048281 8.332499 0.0000 C 895493.3 402135.4 2.226845 0.0310 R-squared 0.927049 Mean dependent var 5354219. Adjusted R-squared 0.925428 S.D. dependent var 5991758. S.E. of regression 1636223. Akaike info criterion 31.49530 Sum squared resid 1.20E+14 Schwarz criterion 31.57403 Log likelihood -738.1396 F-statistic 571.8524 Durbin-Watson stat 2.456389 Prob(F-statistic) 0.000000 係数推定値は Q3-3-1 と不変 t値 = bˆ が Q3-3-1 より低く算出されている s b 237

演習 3 テキスト P72 Dependent Variable: I90 Date: 10/26/05 Time: 16:43 Sample: 1 46 Included observations: 46 YF90 0.189574 0.052880 3.585007 0.0009 KP90 0.075103 0.003093 24.27810 0.0000 KG90 0.064635 0.005678 11.38287 0.0000 C 31.66028 42.89274 0.738127 0.4645 R-squared 0.997026 Mean dependent var 2704.154 Adjusted R-squared 0.996814 S.D. dependent var 2854.576 S.E. of regression 161.1305 Akaike info criterion 13.08525 Sum squared resid 1090448. Schwarz criterion 13.24426 Log likelihood -296.9607 F-statistic 4693.810 Durbin-Watson stat 2.292439 Prob(F-statistic) 0.000000 238

不均一分散検定 ( クロス項を考慮した場合 ) White Heteroskedasticity Test: F-statistic 6.478611 Prob. F(9,36) 0.000020 Obs*R-squared 28.44042 Prob. Chi-Square(9) 0.000805 Test Equation: Dependent Variable: RESID^2 Date: 10/26/05 Time: 16:43 Sample: 1 46 Included observations: 46 C 16992.09 18222.33 0.932487 0.3573 YF90 31.46843 36.63880 0.858883 0.3961 YF90^2 0.052062 0.018870 2.758903 0.0091 YF90*KP90-0.000374 0.001887-0.198314 0.8439 YF90*KG90-0.018688 0.007469-2.502186 0.0170 KP90-3.472903 3.345424-1.038106 0.3061 KP90^2-0.000230 0.000105-2.183258 0.0356 KP90*KG90 0.001338 0.000439 3.044910 0.0043 KG90-0.434575 4.673830-0.092981 0.9264 KG90^2 0.000191 0.000161 1.186791 0.2431 R-squared 0.618270 Mean dependent var 23705.39 Adjusted R-squared 0.522838 S.D. dependent var 40041.43 S.E. of regression 27659.40 Akaike info criterion 23.48298 Sum squared resid 2.75E+10 Schwarz criterion 23.88051 Log likelihood -530.1085 F-statistic 6.478611 Durbin-Watson stat 2.418430 Prob(F-statistic) 0.000020 239

不均一分散の問題を解決する方法の一例 対数変換 Dependent Variable: LOG(I90) Date: 10/26/05 Time: 16:44 Sample: 1 46 Included observations: 46 LOG(YF90) 0.129030 0.051881 2.487053 0.0169 LOG(KP90) 0.471989 0.052387 9.009568 0.0000 LOG(KG90) 0.415954 0.048082 8.650974 0.0000 C -1.640984 0.196237-8.362252 0.0000 R-squared 0.990954 Mean dependent var 7.589861 Adjusted R-squared 0.990308 S.D. dependent var 0.727104 S.E. of regression 0.071581 Akaike info criterion -2.353023 Sum squared resid 0.215203 Schwarz criterion -2.194011 Log likelihood 58.11954 F-statistic 1533.693 Durbin-Watson stat 2.418097 Prob(F-statistic) 0.000000 240

White Heteroskedasticity Test:( 対数変換したもの ) F-statistic 0.536864 Prob. F(9,36) 0.837797 Obs*R-squared 5.443347 Prob. Chi-Square(9) 0.794076 Test Equation: Dependent Variable: RESID^2 Date: 10/26/05 Time: 16:44 Sample: 1 46 Included observations: 46 帰無仮説 : 均一分散 は棄却されない C 0.099511 0.237257 0.419425 0.6774 LOG(YF90) 0.065050 0.111033 0.585862 0.5616 (LOG(YF90))^2 0.016748 0.015752 1.063247 0.2948 (LOG(YF90))*(LOG(KP90)) 0.003019 0.026549 0.113696 0.9101 (LOG(YF90))*(LOG(KG90)) -0.037112 0.026797-1.384943 0.1746 LOG(KP90) -0.020220 0.086660-0.233331 0.8168 (LOG(KP90))^2-0.007940 0.017536-0.452806 0.6534 (LOG(KP90))*(LOG(KG90)) 0.016769 0.025401 0.660176 0.5133 LOG(KG90) -0.050493 0.084294-0.599012 0.5529 (LOG(KG90))^2 0.008580 0.010766 0.796970 0.4307 R-squared 0.118334 Mean dependent var 0.004678 Adjusted R-squared -0.102083 S.D. dependent var 0.005723 S.E. of regression 0.006008 Akaike info criterion -7.201660 Sum squared resid 0.001300 Schwarz criterion -6.804129 Log likelihood 175.6382 F-statistic 0.536864 Durbin-Watson stat 2.014904 Prob(F-statistic) 0.837797 241