Three diagnostic procedures were us

Three diagnostic procedures were used to test the assumptions underlying the OLS linear regression model. First, we tested for the existence of collinearity among the explanatory variables. Since the examination of bivariate correlations will not identify collinearity caused by approximate linear combinations involving more than two regressors, we followed the diagnostic approach Of Belsey, Kuh and Welsch (1980), using the COLLIN option available in SAS. This procedure identified one near dependency involving the variables DI, D2 and 1)3. The problem was attributed to the very small number (three) of financial firms. We therefore combined these firms with the commodities firms by dropping the D4 dummy variable. This produced satisfactory collinearity diagnostics. Second, it was clear from the descriptive statistics on the explanatory variables that many were highly skewed to the right. In order to reduce severe positive skew, a logarithmic transformation is appropriate with the addition of a constant where necessary (Tabachnick and Fidell, 1983). This procedure substantially reduced the level of skew in the explanatory variables. However, the White test (produced using the SPEC option) indicated that heteroscedasticity remained a problem, resulting in unbiased but inefficient OLS estimators (White, 1980). This was to be expected, especially given the quasi-binary distribution of the dependent variable. An examination of the residual plots indicated those variables potentially causing the heteroscedasticity and its functional form. A series of Glejser tests were conducted and the variable DIVCOV was found to be associated with the heteroscedasticity. We therefore re-estimated the model using weighted least squares (WIS) (Maddala, 1977).

ผลลัพธ์ (ไทย) 1:

ขั้นตอนการวินิจฉัย 3 ถูกใช้เพื่อทดสอบสมมติฐานต้นแบบจำลองการถดถอยเชิงเส้น OLS ครั้งแรก เราทดสอบการดำรงอยู่ของภาวะร่วมเส้นตรงระหว่างตัวแปรอธิบาย เนื่องจากการตรวจสอบความสัมพันธ์ bivariate จะระบุภาวะร่วมเส้นตรงที่เกิดจากการรวมกันเชิงเส้นโดยประมาณที่เกี่ยวข้องกับ regressors มากกว่าสอง เราตามการวินิจฉัยวิธีการของ Belsey, Kuh และ Welsch (1980), ใช้ตัวรับใน SAS ขั้นตอนนี้ระบุหนึ่งใกล้อ้างอิงที่เกี่ยวข้องกับตัวแปร DI, D2 และ 1) 3 ปัญหาเกิดจากจำนวนขนาดเล็กมาก (3) ของบริษัททางการเงิน เราจึงรวมบริษัทกับบริษัทสินค้าโภคภัณฑ์เหล่านี้โดยตัวแปรกระพริบ D4 นี้ผลิตวินิจฉัยภาวะร่วมเส้นตรงน่าพอใจ ที่สอง เป็นชัดเจนจากสถิติพรรณนาในตัวแปรอธิบายว่า หลายสูงได้อาจต้อง เพื่อลดการเอียงบวกอย่างรุนแรง การแปลงแบบลอการิทึมเหมาะสมแห่งคงจำเป็น (Tabachnick และ Fidell, 1983) ขั้นตอนนี้ลดลงระดับต้นฉบับเอียงอัตโนมัติในตัวแปรอธิบายมาก อย่างไรก็ตาม การทดสอบสีขาว (ผลิตโดยใช้ตัวเลือกข้อมูลจำเพาะ) ระบุว่า heteroscedasticity ยังคง ปัญหา เกิดในคน แต่ต่ำ OLS estimators (สีขาว 1980) นี่คือการ โดยเฉพาะอย่างยิ่งให้การกระจายฐานกึ่งของตัวแปรขึ้นอยู่กับ การตรวจสอบของที่ดินส่วนที่เหลือระบุตัวแปรเหล่านั้นอาจทำให้เกิด heteroscedasticity และรูปแบบการทำงาน ชุดทดสอบ Glejser ได้ดำเนินการ และพบ DIVCOV ตัวแปรที่สัมพันธ์กับการ heteroscedasticity เราดังอีกประมาณแบบกำลังสองน้อยสุดถ่วงน้ำหนัก (WIS) (Maddala, 1977) โดยใช้การ

ผลลัพธ์ (ไทย) 2:

สามขั้นตอนการวินิจฉัยถูกนำมาใช้ในการทดสอบสมมติฐานพื้นฐาน OLS แบบการถดถอยเชิงเส้น ครั้งแรกที่เราได้ทดสอบการดำรงอยู่ของ collinearity ระหว่างตัวแปรอธิบายที่ ตั้งแต่การตรวจสอบความสัมพันธ์ bivariate จะไม่ระบุ collinearity ที่เกิดจากการรวมกันเชิงเส้นโดยประมาณที่เกี่ยวข้องกับการมากกว่าสอง regressors เราใช้วิธีการวินิจฉัยของ Belsey, Kuh และ Welsch (1980) โดยใช้ตัวเลือกที่มีอยู่ในคอลลินเอสเอ ขั้นตอนนี้จะระบุอย่างใดอย่างหนึ่งที่อยู่ใกล้ที่เกี่ยวข้องกับการพึ่งพาตัวแปร DI, D2 และ 1) 3 ปัญหาที่เกิดขึ้นเป็นผลมาจากจำนวนที่มีขนาดเล็กมาก (สาม) ของสถ​​าบันการเงิน ดังนั้นเราจึงรวม บริษัท เหล่านี้กับ บริษัท สินค้าโภคภัณฑ์โดยวางตัวแปรหุ่น D4 นี้ผลิตวินิจฉัย collinearity ที่น่าพอใจ ประการที่สองมันเป็นที่ชัดเจนจากสถิติเชิงพรรณนาตัวแปรอธิบายที่หลายคนเบ้สูงไปทางขวา เพื่อลดความลาดเชิงบวกอย่างรุนแรงก​​ารเปลี่ยนแปลงลอการิทึมมีความเหมาะสมกับการเพิ่มขึ้นของค่าคงที่ในกรณีที่จำเป็น (Tabachnick และ Fidell, 1983) ขั้นตอนนี้จะลดลงอย่างมีนัยสำคัญระดับของการเอียงในตัวแปรอธิบาย อย่างไรก็ตามการทดสอบสีขาว (ผลิตโดยใช้ตัวเลือกที่ SPEC) ชี้ให้เห็นว่า heteroscedasticity ยังคงเป็นปัญหาที่เกิดในที่เป็นกลาง แต่ไม่มีประสิทธิภาพประมาณ OLS (สีขาว, 1980) นี่เป็นที่คาดหวังโดยเฉพาะอย่างยิ่งการกระจายกึ่งไบนารีของตัวแปรตาม การตรวจสอบของแปลงที่เหลือระบุตัวแปรเหล่านั้นอาจก่อให้เกิด heteroscedasticity และรูปแบบการทำงานของ ชุดของการทดสอบ Glejser ได้ดำเนินการและ DIVCOV ตัวแปรพบว่าจะเกี่ยวข้องกับ heteroscedasticity ดังนั้นเราจึงคาดอีกครั้งโดยใช้รูปแบบสี่เหลี่ยมน้ำหนักน้อย (รู้) (Maddala, 1977)

ผลลัพธ์ (ไทย) 3:

สามขั้นตอนการวินิจฉัยที่ใช้ในการทดสอบสมมติฐานพื้นฐานและการถดถอยเชิงเส้นแบบ ครั้งแรกที่เราตรวจสอบการดำรงอยู่ของ collinearity ระหว่างตัวแปรอธิบาย . เนื่องจากการตรวจสอบโดยใช้ความสัมพันธ์จะไม่ระบุ collinearity ที่เกิดจากการประมาณเชิงเส้นผสมที่เกี่ยวข้องกับมากกว่าสอง regressors เราตามแนวทางของ belsey วินิจฉัย ,คา และเวลช์ ( 1980 ) , การใช้คอลลินตัวเลือกที่มีอยู่ใน SAS ขั้นตอนนี้เกี่ยวข้องกับการระบุหนึ่งใกล้ตัวแปร Di , D2 และ 1 ) 3 . ปัญหามันเกิดจากจำนวนน้อยมาก ( 3 ) ของ บริษัท ทางการเงิน เราจึงรวม บริษัท เหล่านี้มีสินค้าที่บริษัท โดยวาง D4 ตัวแปรหุ่น . นี้ผลิตการ collinearity น่าพอใจ ประการที่สองมันชัดเจนจากสถิติเชิงพรรณนาเกี่ยวกับตัวแปรอธิบายว่าหลายคนขอเอียงไปทางขวา เพื่อลดรุนแรงบวกเอียง , การเปลี่ยนแปลงลอการิทึมที่เหมาะสมกับการเพิ่มของค่าคงที่ที่จำเป็น ( tabachnick และ fidell , 1983 ) ขั้นตอนนี้ลดลงอย่างมากในระดับของตัวแปรอธิบายเบ้ . อย่างไรก็ตามทดสอบสีขาว ( ที่ผลิตโดยใช้ spec ตัวเลือก ) พบว่า heteroscedasticity ยังคงเป็นปัญหาที่เกิดในที่เป็นกลางแต่ไม่ได้ผลวิธีประมาณ ( สีขาว , 1980 ) นี้ได้ โดยเฉพาะอย่างยิ่งให้กึ่งไบนารีการแจกแจงของตัวแปรตามการตรวจสอบของแปลงที่เหลือพบตัวแปรเหล่านั้นอาจก่อให้เกิด heteroscedasticity และรูปแบบของการทํางาน ชุดทดสอบ glejser จำนวนตัวแปร divcov และพบว่ามีความสัมพันธ์กับ heteroscedasticity . เราจึงจะคำนวณแบบถ่วงน้ำหนักกำลังสองน้อยที่สุด ( WIS ) ( maddala , 1977 )