یکی از فروض حساس مدل کلاسیک رگرسیون خطی این می باشد که اجزائ اخلال ui دارای واریانس یکسان می باشند. اگر این فرض تأمین نشود دارای ناهمسانی خواهیم بود. ناهمسانی ، ویژگیهای بدون تورش بودن و سازگاری تخمین زنهای OLS معمول را از بین نمی برد، اما این تخمین زنها دارای حداقل واریانس یا کارایی نیستند. به بیانی دیگر، آنها BLUE نیستند. تخمین زنهای BLUE به وسیله روش حداقل مربعات وزنی (WLS) به دست می آیند.اگر واریانسهای ناهمسان معلوم باشد، آسانترین روش حل ناهمسانی ، روش حداقل مربعات وزنی می باشد که اهمیت مشاهدات افراطی را با دادن وزن به آنها متناسب با عکس واریانسهایشان به حداقل می رساند (گجراتی ، 1388 ، 495). در پژوهش حاضر برای آزمون فرض همسانی واریانس از آزمون Heteroskedasticity بهره جسته ایم. در این آزمون چنانچه مقدار احتمال برآورد شده کمتر از 0.05 باشد آنگاه مشکل ناهمسانی واریانس خواهیم داشت.نتایج آزمون مذکور برای هر دو مدل در جدول های  زیر آمده می باشد و نظاره میگردد Prob تخمین زده شده بیش از 0.05 می باشد ، لذا هر دو مدل مشکل ناهمسانی واریانس ندارد.

  • مدل اول

آزمون نرمال بودن جملات پسماند

در صورتی که با قیمانده های مدل دارای توزیع نرمال باشند،آزمون های tو f مبنی بر معنی دار بودن ضرایب ومعنی دار بودن کل رگرسیون قابل استناد می باشد ؛بنا براین دانستن اینکه باقیمانده های مدل دارای توزیع نرمال باشند از اهمیت خاصی بر خوردار می باشد.وبرای این مقصود اقدام به برآوردآزمون می گردد،این آزمون توسط    gargue-bera  انجام گردید.در این آزمون فرضیه های آماری به صورت زیر می باشد:

نرمال بودن H0:

غیر نرمال بودن H1:

 

 

  • مدل اول

با در نظر داشتن اندازه آماره جراک بار برابر با 1.36 می باشد  وتوجه به مقداراحتمال محاسبه شده که بیشتر از 0.5 شده(0.505) لذا  فرضیه H0مبنی بر نرمال بودن باقیمانده های مدل پذیرفته می گردد .

نمودار4-16-آزمون نرمال بودن

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

 متن فوق بخش هایی از این پایان نامه بود

لینک متن کامل پایان نامه فوق با فرمت ورد