Методы коррекции гетероскедастичности случайных> отклонений в моделях пространственных данных.

ВВЕДЕНИЕ


Собственное жилье - первоочередная потребность для каждой семьи. Обеспечение граждан доступным жильем является первой приоритетной задачей социального обеспечения.
Вместе с тем, остаются острыми проблемы крайне низкой обеспеченности населения жильем, несоответствия стоимости жилья и уровня доходов граждан, недостаточного для замены выбывающего жилищного фонда объема нового строительства, отсутствия эффективных финансовых инструментов, стимулирующих вложения средств в жилищное строительство, отсутствия доступных большинству населения кредитных механизмов для приобретения жилья. В связи с этим, весьма актуальным является поиск разносторонних путей решения проблемы жилищной обеспеченности, что может способствовать снижению социальной напряженности в обществе, благодаря повышению доступности жилья для основной части населения и стимулированию развития рыночной экономики в целом.
Объектом исследования является жилищная обеспеченность как фактор уровня жизни населения страны. Предметом исследования жилищная обеспеченность в Республике Беларусь.
В работе использованы следующие источники информации: учебные пособия, периодические издания, статистические сборники, информационные ресурсы сети Интернет.
При проведении регрессионного анализа, основанного на методе наименьших квадратов, на практике следует обратить внимание на проблемы, связанные с выполнимостью свойств случайных отклонений модели. Одной из ключевых предпосылок МНК является условие постоянства дисперсий случайных отклонений. Данное условие подразумевает, что, несмотря на то, что при каждом конкретном наблюдении случайное отклонение может быть либо большим, либо меньшим, не должно быть некой априорной причины, вызывающей большую ошибку (отклонение). Выполнимость данной предпосылки называется гомоскедастичностью. Невыполнимость данной предпосылки называется гетероскедастичностью. Гетероскедастичность может быть вызвана следующими причинами:
1. Разброс в значениях переменных
2. Наличие...

ЗАКЛЮЧЕНИЕ


В ходе проведенной работы были построены две регрессионные модели, описывающие зависимость ввода жилья от двух факторов: ИПЦ и количество жителей. После проверки на значимость значимым оказалось количество человек. Незначимость переменных может быть связана с рядом факторов: небольшой объем выборки, неточность данных или их действительно незначимый вклад в определение цены квартиры. В первой линейной модели было обнаружено одно из нарушений классических предпосылок МНК – непостоянство дисперсий отклонений – гетероскедастичность. Поэтому вопреки хорошим показателям модели (высокие t-статистики) вывод о ее хорошем качестве может быть ложным из-за нарушения предпосылки о гомоскедастичности остатков. Для борьбы с этим явлением была изменена спецификация модели. В новой логарифмической модели проблема гетероскедастичости по результатам теста Уайта устранилась, соответственно можно сделать вывод о том, что изменение спецификации модели может служить хорошим методом для устранения гетероскедастичности.