Построение регрессионных моделей - Факторы, влияющие на структуру прибыли

В качестве основной эконометрической спецификации была выбрана линейная модель. Таким образом, далее представлена базовая спецификация:

L = Я0+ Я1* GOVERNMENT + Я2* GROWTH + Я3* *LNSALES + Я4* MTBV + Я5* NDTS + Я6 *PROF + Я7*

*TANG + Я8* TAX + Я9* IND1 Я10* IND3 + Я11 * IND4 + + Я12* IND5 + Я13* IND6 + Я14* IND7+U, (19)

Где: L - зависимая переменная (delta_fin_lev, delta_fin_lev_abs, delta_plus_sign);

Далее был проведен расчет коэффициентов сквозной (pooled) линейной регрессионной модели множественного выбора методом МНК, а также модели бинарного выбора методом probit. Для того чтобы учесть индивидуальные характеристики компаний и рассматриваемых временных периодов, были также рассмотрены альтернативные спецификации моделей. В первую очередь было решено не выбирать модель с фиксированными эффектами по кросс-секции, так как это потребовало бы исключения переменной "присутствие государства", которая отражает российскую специфику. Данную переменную пришлось бы исключить, так как она не изменяется по времени. Далее была исключена модель со случайными эффектами по кросс-секции, так как тест Хаусмана показал, что модель с фиксированными эффектами предпочтительнее модели со случайными эффектами. Значение p-value=0,00, тогда основная гипотеза (corr(uI; xIt)=0 или ui могут рассматриваться, как случайные эффекты) отвергается. Затем была отвергнута модель со случайными эффектами по времени, так как для ее построения требовалось сократить количество переменных до числа, меньшего числа периодов. Таким образом, осталась модель с фиксированными эффектами по периодам. Стоит отметить, что сравнение моделей производилось при одинаковом наборе регрессоров. Далее был проведен расчет коэффициентов регрессии моделей с фиксированными эффектами по времени методом МНК, в модели за базовый период был взят 2009 год (по большему количеству наблюдений). Дополнительно был проведен тест Вальда для сравнения сквозной регрессионной модели (pooled regression) и модели с фиксированными эффектами по времени (period fixed effects). Результаты теста показали, что выбрать следует модель с фиксированными по времени эффектами. Тест Вальда осуществляет проверку гипотезы о равенстве нулю всех индивидуальных эффектов. Так как значение p-value=0,00, то нулевая гипотеза не принимается. То есть, регрессия с фиксированными эффектами предпочтительнее сквозной регрессии. В модели с фиксированными эффектами тестируется наличие индивидуальных отличий в свободных членах при условии постоянства ошибок и коэффициентов регрессии. Кроме того, может иметь место корреляция между индивидуальными эффектами и иными независимыми переменными.

Модель с фиксированными эффектами по времени была выбрана не только исходя из результатов эконометрических тестов, но и исходя из экономического смысла модели. В сквозной модели не учитываются индивидуальные характеристики наблюдений, предполагается, что все объекты выборки ведут себя одинаково в каждый момент времени. В модели с фиксированными по времени эффектами учитывается влияние периода расчета: докризисный, кризисный и посткризисный. В период мирового финансового кризиса поведение объектов выборки отличается от поведения во внекризисные периоды. Таким образом, для построения более достоверной модели необходимо учитывать временные эффекты.

Для выбранной спецификации и для всех трех моделей была проведена проверка выполнения условий Гаусса-Маркова. Все условия кроме нормальности распределения ошибок выполняются. Если посмотреть на гистограммы с наложением нормального распределения (приложение 7), можно сделать вывод, что у моделей множественного выбора распределение является близким к нормальному. Значение критерия Харке-Бера незначительно отличается от нуля, следовательно, распределение является близким к нормальному (куртозис в обеих моделях примерно равен 2,5<3, коэффициент асимметрии равен 0,01 и 0,13, что больше 0). Распределение ошибок в модели бинарного выбора также не является нормальным. Значение критерия Харке-Бера=8228,8?0, куртозис равен 4,6>3, коэффициент асимметрии равен 1,5>0. График остатков (приложение 8) отражает гетероскедастичность остатков. Однако при построении моделей была внесена поправка White, что позволило доверять t_тесту. Таким образом, не все условия Гаусса-Маркова выполняются. Оценки являются несмещенными и линейными, но не наилучшими.

Результаты представлены в следующей части работы. В таблице описания результатов (таблица 4) приведены модели с наилучшей спецификацией, для каждой модели отражены значения коэффициентов регрессии, а также показатели качества моделей.

Похожие статьи




Построение регрессионных моделей - Факторы, влияющие на структуру прибыли

Предыдущая | Следующая