10.26731/2658-3704.2018.1(1).21-28
Статья посвящена проблеме обнаружения гетероскедастичности в остатках регрессионной модели, оцениваемой с помощью метода наименьших квадратов. Рассмотрена известная процедура теста Глейзера, предполагающая построение вспомогательных зависимостей модулей остатков регрессии от преобразований независимых переменных. Найдены оценки параметров и критерии детерминации для вспомогательных регрессий в случае оценивания стандартизованной регрессии. Полученные результаты позволили сформулировать процедуру теста Глейзера для заданного сценария как задачу частично-булевого линейного программирования.
1. Кремер Н.Ш., Путко Б.А. Эконометрика. – М.: ЮНИТИ-ДАНА, 2002. – 311 с.
2. Елисеева И.И., Курышева С.В., Костеева Т.В. Эконометрика. – М.: Финансы и статистика, 2007. – 576 с.
3. Базилевский М.П. Сведение задачи отбора информативных регрессоров при оценивании линейной регрессионной модели по методу наименьших квадратов к задаче частично-булевого линейного программирования // Моделирование, оптимизация и информационные технологии. – Воронеж, 2018. – Т. 6. – № 1 – URL: https://moit.vivt.ru/wp-content/uploads/2018/01/Bazilevskiy_1_1_18.pdf.
4. Носков С.И. Технология моделирования объектов с нестабильным функционированием и неопределенностью в данных. – Иркутск: Облинформпечать, 1996. – 320 с.
5. Konno H., Yamamoto R. Choosing the best set of variables in regression analysis using integer programming. Journal of Global Optimization, 2009. Vol. 44, no. 2, pp. 272-282.
6. Базилевский М.П., Носков С.И. Формализация задачи построения линейно-мультипликативной регрессии в виде задачи частично-булевого линейного программирования // Современные технологии. Системный анализ. Моделирование. – Иркутск, 2017. – №3(55). – С.101-105.
7. Иванова Н.К., Лебедева С.А., Носков С.И. Идентификация параметров некоторых негладких регрессий // Информационные технологии и проблемы математического моделирования сложных систем. – Иркутск, 2016. – Вып. 17. – С. 111-114.