Эконометрика

собранные студентами первого курса РЭШ осенью 1997 г. Описание переменных

представлено на слайде 3.
Данные находятся в файле flat98s.xls
Постройте модель стоимости квартиры (или стоимости квадратного метра жилой площади квартиры) в зависимости от имеющихся факторов.
Проверьте гипотезу, что модели для 1,2,3,4-комнатных квартир различаются между собой, т.е. гипотезу, что рынок распадается на рынки однокомнатных, двухкомнатных и трех-четырехкомнатных квартир.

/28

на вопрос о том распадается ли рынок на рынки однокомнатных,

двухкомнатных и трех-четырехкомнатных квартир, введем бинарные переменные:
r1=(rooms=1) однокомнатная квартира
r2=(rooms=2) двухкомнатная квартира
r3=(rooms=3) трехкомнатная квартира
r4=(rooms=4) четырехкомнатная квартира

/ 28

в командной строке

площади дополнительных помещений (ванная, туалет, коридор и т.п.)











/28
Решение(2/25)
Создастся переменная
в командной

строке

bal, brick, dist, dopsp, floor, kitsp, livsp, metrdist, rooms, tel,

totsp, walk > правой кнопкой мыши > Open > as Group.

/28

Решение(3/25)

28
Решение(4/25)

Std. Dev- стандартное отклонение
Median –

медиана Observation – количество наблюдений
Maximum – максимум Skewness – ассиметрия
Minimum – минимум Observation – количество наблюдений

/28

Решение(5/25)

равна нулю, а это значит, что существуют квартиры без кухни.

минимальное значение переменной dopsp отрицательное, чего не может быть в реальной жизни.

Исключим наблюдения, в которых площадь кухни меньше 5 кв.м, и в которых площадь дополнительных помещений меньше 0.

New Object..





/ 28
Решение(7/25)
В открывшемся окне: Выберем Type of object равном

значению Sample. И назовем переключатель в графе Name for object .

условие: (kitsp>=5) and (dopsp>0)





Таким образом, мы отбросили все неправдоподобные наблюдения

и получили 2949 наблюдений, для которых определены все переменные.

/ 28

Решение(8/25)

и поставим галочку

клавишу Ctrl выделяем: price, r1, r2, r3, r4, livsp, kitsp,

dopsp, dist, metrdist, walk, bal, brick, floor, tel > правой кнопкой мыши > Open > as Equation..

/ 28

Решение(9/25)

r1, r2, r3 и r4, то константу (c) нужно убрать

из модели




Все коэффициенты значимы (prob<0.05), т.е. выбрасывать переменные не нужно, модель качественная.

/ 28

Решение(10/25)

H0:гомоскедастичность
H1:гетероскедастичность
Для этого: View > Residul Diagnostics >

Heteroskedasticity Test (Test type: White)

/ 28

Решение(11/25)

верна (существует гетороскедастичность) - >нужна подправка
Если эти значения >0.05,

то H0 верна (существует гомоскедастичность) -> подправка не нужна.

/ 28

Решение(12/25)

<0.05

Durbin-Watson =1.5, то White)

/ 28
Решение(13/25)

переменные не нужно, модель качественная.

/ 28
Решение(12/25)

> Histogram-Normality Test
если Probability

является нормальным.

/ 28

Решение(15/25)

Для этого удерживая клавишу Ctrl выделяем: price, r1, r2, r3,

r4, livsp, kitsp, dopsp, dist, metrdist, walk, bal, brick, floor, tel > правой кнопкой мыши > Open > as Equation..

/ 28

Решение(16/25)

r1, r2, r3 и r4, то константу (c) нужно убрать

из модели; переменную price меняем на price/totsp



Все коэффициенты значимы (кроме переменной livsp), т.е. выбрасывать переменные не нужно, модель качественная. Коэффициенты при kitsp и dopsp положительные, что означает, что квадратный метр кухни и комнаты стоит дороже, чем квадратный метр комнаты.

/ 28

Решение(17/25)

>0.05

между собой.
/ 28
Решение(18/25)
Сравним рынки попарно в модели 1 (на вид

коэффициенты при r1, r2, r3, r4 разные). Для этого: View > Coefficient Diagnostics > Wald Test – Coefficient Restrictions..

С(3)=С(4) {C(i),где i – порядковый номер нужного коэффициента в уравнении}







Такие

же действия проделываем для модели 2

/ 28

Решение(19/25)

модель стоимости квадратного метра жилой площади квартиры)
Итоги:
Как видим, модель 1

разбивает рынок на четыре категории по числу комнат в квартире. Модель 2 разбивает рынок только на три группы (однокомнатные квартиры, четырехкомнатные и остальные квартиры)

>0.05

H0:гомоскедастичность
H1:гетероскедастичность
Для этого: View > Residual Diagnostics

> Heteroskedasticity Tests (Test type: White)

Решение(21/25)

H1 верна (существует гетороскедастичность) ->нужна подправка
Если эти значения >0.05,

то H0 верна (существует гомоскедастичность) -> подправка не нужна.

<0.05

если Durbin-Watson =1.5, то White)

переменной livsp), т.е. выбрасывать переменные не нужно, модель качественная.

Diagnostic > Histogram-Normality Test
если Probability

то является нормальным.

Решение(25/25)