Оценки моделей регрессии с зависимой переменной ROA
Для того, чтобы сравнить модель с фиксированными эффектами с моделью сквозной регрессии, был применен тест Вальда, проверяющий гипотезу о равенстве нулю всех индивидуальных эффектов. Было получено, что F(180, 3492) = 25.89 и Pvalue = 0.0000, что значит, что модель c фиксированными эффектами, как и следовало ожидать, лучше описывает данные, чем модель сквозной регрессии.
Для того, чтобы сравнить модель cо случайными эффектами с моделью
сквозной регрессии, был использован тест Бройша-Пагана. Согласно полученным
результатам, на 1-но процентном уровне значимости нулевая гипотеза о том, что
дисперсия случайных эффектов равна нулю, отвергается, что значит, что модель со
случайными эффектами также лучше описывает используемые данные, нежели модель
сквозной регрессии.
Тест Бройша-Пагана
|
Объясняющая Переменная/Модель |
Pvalue |
Выбранная модель |
|
ROA |
0.00 |
Random effect |
|
ROE |
0.00 |
Random effect |
|
H0: RE model does not better than Pooled model |
||
Тест Хаусмана
|
Объясняющая Переменная |
|
Pvalue |
Вывод |
|
ROA |
113.00 |
0.00 |
Reject H0 |
|
ROE |
56.23 |
0.00 |
Reject H0 |
|
H1: FE model is more suitable |
H0: RE model more suitable |
||
И, наконец, для того, чтобы сравнить модели с фиксированными
и случайными эффектами был использован тест Хаусмана, построенный на сравнении
оценок моделей. Полученная статистика
свидетельствует на любом разумном
уровне значимости в пользу альтернативной гипотезы о том, модель с
фиксированными эффектами лучше описывает данные по сравнению с моделью со
случайными эффектами.
То, что среди трех рассмотренных моделей на 5-ти процентном уровне
значимости лучшей оказалась модель с фиксированными эффектами, является вполне
закономерным, ввиду того, что для проведения анализа была составлена
фиксированная выборка, состав которой не менялся во времени. С учетом того, что
выборка из банков-участников программы невелика, принято считать, что качество
подгонки моделей удовлетворительно.
Приложение 8
Сравнение моделей FE, REи Pooledс объясняемой переменной - RPL и SOL
|
Переменная |
FixedEffect |
Randomeffect |
Pooled |
|
Ln (Cred) |
0.00188*** |
0.00178*** |
0.00065** |
|
Priv * Ln (Cred) |
-0.000554*** |
-0.00048** |
0.000092 |
|
Public * Ln (Cred) |
-0.000665* |
-0.00058* |
0.000465*** |
|
Size * Ln (Cred) |
-0.00035*** |
-0.00036*** |
-0.000675*** |
|
Size * SOL |
0.141*** |
0.1419*** |
0.1699*** |
|
RIR |
-0.432*** |
-0.4294*** |
-0.328*** |
|
Norm_H2 |
0.00000537*** |
0.0000054*** |
0.0000083*** |
|
Norm_H1 |
0.0000762 |
0.0000655 |
-0.000338*** |
|
IIP |
0.0229*** |
0.0225*** |
0.00966 |
|
Constant |
0.1012*** |
0.1013*** |
0.097*** |
|
Wald/ |
0.29 |
150.58 |
0.278 |
|
***-1% significance ** -5% significance * -10% significance |
|||
Оценки регрессий с зависимой переменнойRPL.
Согласно тесту Вальда, на 5-ти процентном уровне значимости, модель с
фиксированными эффектами лучше описывает данные, чем сквозная регрессия.
Согласно тесту Бройша-Пагана, на 5-ти процентном уровне значимости модель со
случайными эффектами лучше описывает данные, по сравнению со сквозной моделью.
Тест Хаусмана говорит о том, что наиболее предпочтительной является модель со
случайными эффектами.
Тест Бройша-Пагана
|
Объясняющая Переменная/Модель |
Pvalue |
Выбранная модель |
|
RPL |
0.00 |
Random effect |
|
SOL |
0.00 |
Random effect |
|
H0: RE model does not better than Pooled model |
||
Тест Хаусмана
|
Объясняющая Переменная |
|
Pvalue |
Вывод |
|
RPL |
10.68 |
0.22 |
Accept H0 |
|
SOL |
13.07 |
0.18 |
Accept H0 |
|
H1: FE model is more suitable |
H0: RE model more suitable |
||