Интерпретация модели.

Итак, сделаем обобщения проведенного анализа.

В первой части исследования была дана общая характеристика нашей модели - дескриптивная статистика, а также проведен корреляционный анализ, который позволил выявить, что стоимость полиса автострахования КАСКО наиболее тесно связан со стоимостью автомобиля, причем зависимость положительная, что было продемонстрировано на диаграмме 5.

Во второй части работы была отражена процедура выбора регрессоров и функциональной формы модели. Первоначально была построена регрессионная модель с учетом всех исследуемых факторов: пробег и возраст автомобиля, стаж и возраст водителя, стоимость машины и курс доллара. Однако мы получили не значимость большинства коэффициентов регрессии при значимости всего уравнения. Поэтому были проведены процедуры включения и исключения переменных, что позволило определить наилучшую модель. Было определено, что стоимость полиса автострахования значимо зависит только от цены автомобиля и стажа наименее опытного водителя (из всех исследуемых факторов).

Далее был использован метод главных компонент, который позволил разбить все факторы на три группы: технические характеристики автомобиля, характеристики водителя и стоимость автомобиля + курс доллара.

Кроме того, полученная модель была проверена на линейность с помощью RESET-теста, который ее подтвердил. А с помощью теста Чоу, была проверена однородность нашей выборки . Было установлено, что водителей с разным стажем лучше исследовать отдельно.

Далее была проведена проверка спецификации ошибок. Модель была протестирована на гетероскедастичность и автокорреляцию остатков с помощью разных тестов, которые не подтвердили их наличие.

Таким образом, было установлено, что построенная модель полностью соответствует требованиям линейной регрессионной модели. Тогда ее коэффициенты можно интерпретировать следующим образом. При увеличении стоимости автомобиля на 1 руб, то стоимость полиса КАСКО возрастет на 0,0015 долларов, а при росте стажа водителя, который будет вписан в страховку на 1 год, стоимость полиса снижается на 32,88 доллара.

При этом, при росте цены автомобиля на 1%, цена полиса увеличивается на на 6,106 %, а при росте стажа наименее опытного водителя на 1% ВВП цена полиса падает на 1,73%.

В данной модели дисперсия стоимости полиса автострахования каско объясняется на 47,8 % - не очень высоким, но достаточным значением.

Дальнейшее улучшение модели возможно за счет значительного увеличения выборки, а так же за счет расширения исследуемых факторов (например изучение влияния способа страхового возмещения при наступлении страхового случая).

Приложение.

Коррелограмма в Eviews
Date: 04/18/12 Time: 17:03
Sample: 1 50
Included observations: 50
Autocorrelation	Partial Correlation		AC	PAC	Q-Stat	Prob
.*| . |	.*| . |	1	-0.099	-0.099	0.5189	0.471
. |** |	. |** |	2	0.224	0.216	3,23	0.198
. |*. |	. |*. |	3	0.102	0.149	3,81	0.283

Поправка Уайта
Dependent Variable: Y
Method: Least Squares
Date: 03/19/12 Time: 22:51
Sample: 1 50
Included observations: 50
White heteroskedasticity-consistent
standard errors & covariance
Variable	Coefficient	Std. Error	t-Statistic	Prob.
X	0.001332	0.000279	4.770149	0.0000
C	858.6429	190,616	4.504567	0.0000
R-squared	0.283791	Mean dependent var		1758.603
Adjusted R-squared	0.268870	S.D. dependent var		498.9732
S.E. of regression	426.6528	Akaike info criterion		14.98900
Sum squared resid	8737566.	Schwarz criterion		15.06548
Log likelihood	-372.7249	Hannan-Quinn criter.		15.01812
F-statistic	19.01952	Durbin-Watson stat		2.123530
Prob(F-statistic)	0.000068

Поправка Нью-Веста
Dependent Variable: Y
Method: Least Squares
Date: 03/19/12 Time: 22:55
Sample: 1 50
Included observations: 50
HAC standard errors & covariance (Bartlett kernel,
Newey-West fixed bandwidth = 4.0000)
Variable	Coefficient	Std. Error	t-Statistic	Prob.
X	0.001332	0.000289	4.606784	0.0000
C	858.6429	206.8015	4.152015	0.0001
R-squared	0.283791	Mean dependent var		1758.603
Adjusted R-squared	0.268870	S.D. dependent var		498.9732
S.E. of regression	426.6528	Akaike info criterion		14.98900
Sum squared resid	8737566.	Schwarz criterion		15.06548
Log likelihood	-372.7249	Hannan-Quinn criter.		15.01812
F-statistic	19.01952	Durbin-Watson stat		2.123530
Prob(F-statistic)	0.000068

1 Статистика Дарбина-Уотсона: d_L и d_U, уровень значимости 5% n = 50 . http://crow.academy.ru/econometrics/materials_/Tables_/DW-distr.htm

2 Значения, представленные в таблице Z-теста подтверждаются коррелогромой Eviews (см. приложение)

3 Приложение

33