Основные предположения регрессионного анализа

Основные предположения регрессионного анализа относятся к случайной компоненте e и имеют решающее значение для правильного и обоснованного применения регрессионного анализа в эконометрических исследованиях. В классической модели регрессионного анализа предполагаются выполненными следующие предположения (условия Гаусса-Маркова): Условие 1.5.1. Величины i e являются случайными. Условие 1.5.2. Математическое ожидание возмущений равно нулю: () 0 E i e =. Условие 1.5.3. Возмущения i e и j e некоррелированы: () 0 E i j e e =, i j №. Условие 1.5.4. Дисперсия возмущения i e постоянна для каждого i: 2 () D i e s=. Это условие называется условием гомоскедастичности. Нарушение этого условия называется гетероскедастичностью. Условие 1.5.5. Величины i e взаимно независимы со значениями объясняющих переменных. Здесь, во всех условиях i n =1,2, K. 11 Эти предположения образуют первую группу предположений, необходимых для проведения регрессионного анализа в рамках классической модели. Вторая группа предположений дает достаточные условия для обоснованного проведения проверки статистической значимости эмпирических регрессий: Условие 1.5.6. Совместное распределение случайных величин 1, n e e K является нормальным. При выполнении предположений первой и второй групп случайные величины 1, n e e K оказываются взаимно независимыми, одинаково распределенными случайными величинами, подчиняющимися нормальному распределению с нулевым математическим ожиданием и дисперсией 2 s.