,

где: прибыль до налогообложения,

балансовая стоимость активов.

Финансовые ограничения компании влияют на производственную стратегию компании. Переменная взята из исследования Bolton and Scharfstein (1990), где авторы показывают, что фирмы, располагающие большой наличностью, имеют стимул к принятию более агрессивных стратегий производства, приводя конкурентов с дефицитом денежных средств к выходу с рынка при помощи сокращения их денежного потока. Таким образом, фирмы с большим количеством наличности могут вкладывать инвестиции в различные проекты и занимать более конкурентоспособное положение на рынке. Ожидается, что большей ликвидности соответствует большая доля рынка. Ликвидность определена как:



,

где: оборотные активы компании;

краткосрочные обязательства компании;

балансовая стоимость активов.

Предполагается, что компании, которые тратят больше денег на рекламные кампании, включенные в статью «Коммерческие расходы», а также на управленческие нужды, в ближайшем будущем увеличат свою долю рынка. Переменная рассчитана по формуле:

,

где: коммерческие расходы;

управленческие расходы;

балансовая стоимость активов.

Переменная взята из исследования Hidetaka Mitani (2014). Предполагается, что с увеличением коэффициента увеличивается и вероятность банкротства, и, соответственно, риск потери доли рынка. Риск банкротства был рассчитан по пятифакторной модели Альтмана для производственных компаний, которая представляет собой:

,

где:

;

;

;



.

. В отчетностях строительных компаний в статье «Основные средства» учитываются все объекты, строительство которых не завершено и финансирование которых осуществляется из денежных средств дольщиков. Большая доля незавершенного строительства в активах баланса может повлечь за собой последующую нехватку средств на его завершение и соответствующую потерю доли рынка (Цыганов, Брызгалов, 2016).. Более того, потребители при участии в долевом строительстве могут обращать внимание на количество домов в стадии незавершенного строительства и выбрать застройщика с меньшим числом незавершенных домов и, соответственно, меньшим риском.

Наиболее крупные компании имеют высокую конкурентоспособность, поскольку они более диверсифицированы и реже сталкиваются с риском банкротства. Соответственно они в состоянии покрывать большую долю рынка, чем мелкие компании. С увеличением размера увеличивается и доля рынка компании. Размер измерен как натуральный логарифм продаж компании.

Поскольку компании осуществляют свою деятельность в регионах различного масштаба, была так же введена переменная , которая отвечает за количество людей, проживающих в регионе. Таким образом, разница в площади регионов может быть скорректирована с помощью данной переменной. Следует проверить целесообразность включения данной переменной после построения модели.

Исходя из всего вышеупомянутого, имеет место модель множественной линейной регрессии, которая будет оценена методом наименьших квадратов. Модель выглядит следующим образом:

капитал застройщик собственность эконометрический



,



4. Эмпирические результаты

Перейдем к описанию результатов, полученных в ходе оценивания модели. Как было замечено ранее, в модели использовались внутренние факторы компании, влияющие на её долю рынка, а так же один внешний фактор для корректировки различий в площади регионов. В таблице 5 представлены результаты оценивания модели множественной линейной регрессии.

Таблица 5 Полученные в ходе построения модели оценки

Независимая переменная	Коэффициент
,	-2.331***
,	0.323
,	0.835*
,	-0.627
,,	0.658***
,,	-0.112
,	0.026
,	0.064
,	-0.057
,	-0.200
,	0.213***
,	1.22E-07***

*** - значимость на 1% уровне; ** - значимость на 5% уровне; * - значимость на 10% уровне

По итогам оценивания модели множественной линейной регрессии была проведена оценка значимости коэффициентов переменных. Значимыми на уровне значимости 1% оказались переменные , , , а так же случайная ошибка. Оценка переменной значима на уровне 10 %. Остальные оценки оказались не значимыми.

Целесообразность включения переменной в модель была проверена тестом на пропущенные переменные (Таблица 6).

Таблица 6 Тест на пропущенные переменные

	Value	df	Probability
t-statistic	6.543185	474	0.0000
F-statistic	42.81327	(1, 474)	0.0000
Likelihood ratio	42.02652	1	0.0000

Можно заметить, что нулевая гипотеза о незначимости переменной может быть отвергнута на уровне значимости 1%, что говорит о необходимости включения данной переменной в модель.

Перейдем к интерпретации значимых оценок переменных. По таблице видно, что все значимые переменные обладают положительными коэффициентами.

Коэффициент при переменной равен 0,658, то есть при увеличении соотношения собственного капитала к балансу на 1 единицу в среднем при прочих равных доля рынка компании увеличится на 0,658. Гипотеза о положительном влиянии собственного капитала компании на долю рынка подтвердилась. Действительно, с большей величиной собственного капитала компании обладают большей финансовой устойчивостью, могут вести себя уверенней и увеличивать собственную долю рынка.

Оценка переменной равна 0,835, что значит следующее: при увеличении соотношения долгосрочного долга к балансу на 1 единицу в среднем при прочих равных доля рынка компании увеличится на 0,835. Можно заметить, что увеличение долгосрочной задолженности приводит к большему увеличению доли рынка, чем увеличение собственного капитала компании, то есть в рамках увеличения доли рынка для компании долгосрочная задолженность является более ценным источником финансирования, чем собственный капитал. Возможно, это связано с тем, что собственный капитал компании в основном не используется для расширения строительства, особенно малыми предприятиями, собственный капитал которых составляет крайне малую сумму. Более того как было замечено ранее некоторые компании в выборке имеют отрицательную величину собственного капитала и с этим условием продолжают осуществлять собственную деятельность. Гипотеза о влиянии долгосрочной задолженности подтвердилась частично, поскольку предполагалась квадратичная зависимость доли рынка от этой величины. Это можно объяснить тем, что в выборке не было компаний, доля долгосрочных обязательств которых представляла бы собой критичное значение.

Гипотеза о взаимосвязи краткосрочной задолженности и доли рынка компании не подтвердилась. Это может быть связано с тем, что объем ввода квадратных метров начинается только после завершения строительства дома, а поскольку период строительства обычно превышает один год, необходимо рассматривать долю рынка компании с разницей в 2 и более лет в зависимости от периода строительства. Это является упущением данного исследования, которое может быть восполнено в следующих работах. Необходимо отметить, что по истечении одного года с начала учета краткосрочных обязательств в балансе они не переходят в долгосрочные обязательства, а учитываются в краткосрочных до завершения строительства.

Более того, были получены дополнительные результаты помимо предположенных ранее гипотез. Так, коэффициент при переменной равен 0,213, что говорит о положительном влиянии размера на долю рынка компании. Интерпретация звучит следующим образом: при увеличении размера компании на 1 единицу в среднем при прочих равных доля рынка компании увеличится на 0,213. Такая взаимосвязь может быть объяснена большими возможностями более крупных компаний, их известностью, конкурентоспособностью и большей диверсификацией бизнеса.

Значимые результаты также были получены для переменной , которая положительно связана с долей рынка застройщика. Оценка переменной равна 1,22E-07, что составляет 0,000000122 и может быть интерпретировано следующим образом: при увеличении населения на 1 человека в среднем при прочих равных доля рынка компании увеличится на 0,00000012%. Такой небольшой коэффициент связан с измерением количества людей, живущих в регионе, в единицах.

Случайная ошибка оказалась значимой. Она равна -2,331. Экономически это обозначает, что без воздействия каких-либо факторов доля рынка компании равна -2,331, однако исходя из здравого смысла это невозможно. Поэтому в этом случае следует относиться к случайной ошибке как к вспомогательному сдвигу, который помогает получить значимые результаты.

Для понимания степени точности оценок коэффициентов необходимо построить 90%, 95% и 99% доверительные интервалы (Приложение 8). Результаты, представленные в таблице, не противоречат тестированию с помощью p-значения. Можно заметить, что на 1% уровне значимости оценка переменной варьируется от 0,03 до 1,286; оценка переменной изменяется от 0,131 до 0,296; оценка переменной находится в пределах от 3,87E-08 до 2,05E-07. Поскольку переменная значима только на 10% уровне, то её 90% доверительный интервал ограничен значениями от 0,009 до 1,660.

Перейдем к проверке качества модели в целом (Таблица 7).

Таблица 7 Показатели качества модели

R-squared	0.258931	Mean dependent var	0.821695
Adjusted R-squared	0.241734	S.D. dependent var	1.357313
S.E. of regression	1.181928	Akaike info criterion	3.196552
Sum squared resid	662.1558	Schwarz criterion	3.299915
Log likelihood	-764.7622	Hannan-Quinn criter.	3.237161
F-statistic	15.05608	Durbin-Watson stat	1.454675
Prob(F-statistic)	0.000000

Коэффициент детерминации составляет 0,259, то есть регрессионное уравнение описывает 25,9% дисперсии зависимой переменной, остальные 74,1% объяснить не удалось. Такой низкий коэффициент детерминации может быть связан с тем, что в основном влияние на долю рынка компании оказывают внешние факторы, в то время как в данной модели был учтен только один внешний фактор - население региона, остальные факторы относились к внутренним характеристикам компании. Это обусловлено целью данного исследования, в котором основной задачей является выявление взаимосвязи между компонентами капитала компании и её доли рынка.

Также необходимо проверить модель на значимость. Показатель prob=0, что говорит об отклонении нулевой гипотезы, которая предполагает незначимость модели, а значит модель оказалась значимой на 1% уровне значимости.

Выполнение всех условий Гаусса-Маркова было проверено для данных моделей.

Первое условие было проверено с помощью тестирования гипотезы, которая предполагает равенство мат. ожидания остатков нулю (Приложение 9). Мат.ожидание равно -2.84E-15, что является числом, близким к нулю. Более того, показатель prob=1, поэтому нулевая гипотеза не отклоняется на уровне значимости 10%, что подтверждает первое условие Гаусса-Маркова.

Второе условие наиболее нуждалось в проверке, поскольку в выборке были использованы компании разных размеров и, соответственно, существовало основание подозревать наличие гетероскедастичности. Для проверки был использован тест Уайта с нулевой гипотезой о гомоскедастичности остатков (Таблица 8).

Таблица 8 Тест Уайта

F-statistic	1.893859	Prob. F(73,412)	0.0001
Obs*R-squared	122.1084	Prob. Chi-Square(73)	0.0003
Scaled explained SS	873.5299	Prob. Chi-Square(73)	0.0000

Каждый из показателей probability равен 0, что говорит об отклонении нулевой гипотезы на 1% уровне значимости. Таким образом, в модели присутствует гетероскедастичность остатков. Для преодоления последствий гетероскедастичности были использованы робастные стандартные ошибки в форме Уайта.

Третье условие об отсутствии автокорреляции выполняется. Оно было проверено с помощью графического анализа (Приложение 10), а также теста Бреуша-Годфри (Приложение 11). Оба метода говорят об отсутствии автокорреляции остатков.

Отсутствие эндогенности регрессоров является четвертым условием. Для проверки этого условия была построена ковариационная матрица, состоящая из регрессоров и случайной ошибки модели (Приложение 12). Поскольку коэффициенты ковариации регрессоров со случайной ошибкой достаточно малы, и их значение близко к нулю, можно считать условие выполненным.

Наличие полной мультиколлинеарности было проверено с помощью построения корреляционной матрицы между всеми регрессорами (Приложение 13). Как можно заметить, парные коэффициенты корреляции между регрессорами не превышают значения 0,7 по абсолютной величине, поэтому условие выполняется.

Шестое условие о нормальности распределения остатков не выполняется. При проверке тестом Харке-Бера показатель prob=0, что говорит об отклонении нулевой гипотезы о нормальности распределения (Приложение 14). Соответственно, распределение остатков отлично от нормального на уровне значимости 1%.

После проверки условий Гаусса-Маркова можно сделать вывод о том, что в модели присутствует гетероскедастичность, а также частичная мультиколлинеарность, что говорит о неэффективности оценок.

Опираясь на результаты исследования, можно сделать следующие рекомендации для компаний, целью которых является увеличение доли рынка. Во-первых, для компаний с отрицательным значением собственного капитала первоочередной задачей должно стать его увеличение через увеличение нераспределенной прибыли компании или вложение добавочного капитала, поскольку в теории компания в таком случае переходит во владения кредиторов. Во-вторых, несмотря на полученные незначимые оценки, компаниям с достаточным уровнем собственного капитала необходимо в первую очередь использовать краткосрочные заемные средства, поскольку они позволяют увеличить долю рынка по окончанию строительства, то есть после периода, превышающего один год. Привлечение долгосрочных займов рекомендуется в случае недостатка краткосрочных заемных средств, а также в случае расширения строительства вне незавершенных проектов.



Заключение

Данная работа посвящена исследованию взаимосвязи между структурой капитала компании и её долей рынка. Выборка была построена на основе данных финансовой отчетности 487 строительных компаний России за 2016 год. В исследовании была построена модель множественной линейной регрессии, в которой с помощью метода наименьших квадратов был выявлен характер взаимосвязи между составляющими капитала и долей рынка компании. Регрессоры были представлены различными финансовыми показателями деятельности компаний, а также одним внешним фактором, отражающим населения региона, в котором функционирует компания.

Особенностью исследования является то, что оно было проведено в рамках одной отрасли, что значительно отличается от других исследований по этой теме. Благодаря этому было учтено, что структура капитала строительных компаний России отличается от структуры капитала зарубежных девелоперов, а также от других российских отраслей и обладает рядом особенностей. Во-первых, краткосрочная задолженность формируется за счет денежных средств участников долевого строительства, которая затем используется для формирования основных средств, представленных незавершенным строительством. Во-вторых, в отличие от зарубежных строительных компаний с преобладающей долей собственного капитала в денежных средствах компании, из-за преобладающей доли краткосрочных обязательств, застройщики испытывают недостаток собственных средств и осуществляют свою деятельность только за счет заемного капитала, используя собственный капитал исключительно для компенсации убытков компании. Такие выводы не могли бы быть получены в рамках исследования нескольких отраслей.

Более того аналогичное исследование может быть проведено в рамках любой из отраслей, однако набор переменных и методология должны быть изменены с учетом специфики отрасли. Однако результаты и методы не могут быть применены в рамках строительных отраслей других стран в связи с их различием.

В ходе исследования выяснилось, что 2 составляющие капитала компании из 3 связаны с долей рынка компании. Гипотезы о положительной взаимосвязи собственного капитала с долей рынка компании подтвердилась. Гипотеза, касающаяся связи долгосрочной задолженности с долей рынка компании подтвердилась частично, поскольку предполагалась квадратичная зависимость доли рынка от данной переменной. В результате долгосрочная задолженность положительно связана с долей рынка компании. Следует отметить, что долгосрочная задолженность обладает большим положительным влиянием на долю рынка, чем собственный капитал компании, о чем говорят полученные оценки.

Оценка переменной краткосрочных обязательств оказалась незначимой, поэтому гипотеза о её положительном влиянии была отклонена. Это может быть связано с длительностью реализации проекта, которая в большинстве случаев превышает один год, и, соответственно, величина краткосрочных обязательств может оказать влияние на долю рынка только после завершения строительства. Из-за отклонения этой гипотезы стало невозможным сделать более точные рекомендации для компаний и выявить наилучшую структуру капитала для увеличения доли рынка.

Кроме этого были получены дополнительные результаты. Так, положительной взаимосвязью с долей рынка обладают такие переменные как размер компании и количество человек, проживающих в регионе, в котором застройщик осуществляет свою деятельность.

Исследование также обладает рядом ограничений. Необходимо доработать построенную и оцененную модель ввиду их наличия. В ходе анализа выборки стало ясным, что все распределения переменных кроме и являются неоднородными, и все распределения кроме и являются отличными от нормальных. Это может говорить о снижении точности оценивания коэффициентов регрессии. В будущих исследованиях следует увеличить количество наблюдений для получения данных, отвечающих условиям нормальности и однородности.

Также при проверке условий Гаусса-Маркова было выяснено, что в построенной модели присутствует частичная мультиколлинеарность и гетероскедастичность. Несмотря на поправку в форме Уайта и использование робастных стандартных ошибок, рекомендуется в следующих исследованиях в выборке учитывать застройщиков с меньшим разбросом доли рынка компаний либо разделять выборку на несколько частей относительно размера доли рынка компании для исключения гетероскедастичности.

Ограничения также существовали еще до построения модели. Так, для выборки были использованы данные 487 строительных компаний, хотя в 2016 году в России по данным Единого Реестра Застройщиков осуществляли свою деятельность 1688 строительных компаний. Часть из этих компаний не была учтена в выборке по причине их банкротства, часть по причине отсутствия финансовой отчетности в свободном доступе. Если учет компаний без наличия финансовой отчетности невозможен, то учет обанкротившихся компаний возможен через панельный тип данных.

Еще одним ограничением является учет в модели только финансовых показателей деятельности компании, то есть показателей, на которые компания может оказывать влияние, в то время как из внешних показателей было учтено только населения того или иного региона. Недостаток такого подхода отразился в низком коэффициенте детерминации. Нельзя отрицать, что степень конкуренции на рынке оказывает значительное влияние на долю рынка компании также как и обеспеченность населения жильем, доступность жилья и другие характеристики рынка недвижимости. Поэтому в дальнейших исследованиях необходимо включение большего числа внешних факторов, воздействующих на долю рынка компании.

Несмотря на наличие этих ограничений, цель исследования была достигнута, а именно был выявлен характер взаимосвязи между структурой капитала и долей рынка компании. Структура капитала компании была представлена в виде трех переменных: величина собственных средств, краткосрочных обязательств и долгосрочных обязательств относительно баланса. В целом результаты, полученные в данном исследовании, не противоречат выводам в других работах с аналогичным исследовательским вопросом. Кроме этого они соответствуют здравому смыслу и могут быть адекватно интерпретированы. Результаты данной работы могут быть полезны застройщикам при решении о реструктуризации капитала с целью увеличения объема ввода квадратных метров жилья и, соответственно, увеличения доли рынка компании.

Одним из возможных направлений продолжения данного исследования может быть построение регрессии с учетом большего количества компаний, а также расширение данных до панельного типа, то есть добавление в выборку данных финансовых отчетностей уже использованных компаний за другие года. В этом случае в выборку можно включить обанкротившиеся компании, которые не были включены в данном исследовании.



Список использованных источников

Нормативные правовые акты

1. Федеральный закон от 30.12.2004 № 214-ФЗ «Об участии в долевом строительстве многоквартирных домов и иных объектов недвижимости и о внесении изменений в некоторые законодательные акты Российской Федерации».

2. Федеральный закон от 26.07.2006 № 135-ФЗ «О защите конкуренции».

Специальная литература

3. Анисимов И. М. (2016) Структура циклов на региональном рынке недвижимости на примере Санкт-Петербурга. Проблемы современной экономики 2 (58), 175-182;

4. Барбарская М. Н. (2013) Формирование системы управления финансами строительной организации. Основы экономики, управления и права 1 (7), 54-57;

5. Воложанин В. В., Бородин С. И. (2009) Анализ источников финансирования деятельности строительных предприятий-застройщиков. Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент 29 (162), 41-46;

6. Магнус Я. Р., Катышев П. К., Пересецкий, А. А. (2004) Эконометрика. Начальный курс - 4-е издание, 109;

7. Рыбалка А., Сальников В. (2017) Банкротства юридических лиц в России: основные тенденции (IV квартал 2016 г. - начало 2017 г.); Центр макроэкономического анализа и краткосрочного прогнозирования;

8. Цыганов А. А., Брызгалов Д. В. (2016) Проблемы и перспективы использования финансовых механизмов обеспечения обязательств застройщиков перед дольщиками. Проблемы прогнозирования 6 (159), 112-118;

9. Abor, J. (2005) The effect of capital structure on profitability: an empirical analysis of listed firms in Ghana. The journal of risk finance 6(5), 438-445;

10. Bolton, P., Scharfstein, D. S. (1990) A theory of predation based on agency problems in financial contracting. The American economic review, 93-106;

11. Brander, J. A., Lewis, T. R. (1986) Oligopoly and financial structure: The limited liability effect. The American Economic Review, 956-970;

12. Chiang, Y. H., Chan, P. C. A., Hui, C. M. E. (2002) Capital structure and profitability of the property and construction sectors in Hong Kong. Journal of Property Investment & Finance 20(6), 434-453;

13. Chiang, Y.H., Tang, B.S., Leung, W.Y. (2001) Market structure of the construction industry in Hong Kong. Construction Management and Economics 19(7), 675-687;

14. Gau, G.W., Wang, K. (1990) Capital structure decisions in real estate investment. AREUEA Journal 18(4), 501?521;

15. Gill, A., Biger, N., Mathur, N. (2011) The effect of capital structure on profitability: Evidence from the United States. International Journal of Management 28(4), 3-15;

16. Hong Kong Consumer Council (1996) How Competitive is the Private Residential Property Market?;

17. Ip, Y.K., Hopewell, M.H. (1987) Corporate financial structure in Hong Kong. Hong Kong Journal of Business Management 5, 21?31;

18. Javed, T., Younas, W., Imran, M. (2014) Impact of capital structure on firm performance: Evidence from Pakistani firms. International Journal of Academic Research in Economics and Management Sciences 3(5), 28;

19. Jensen, F. E., Langemeier, L. N. (1996) Optimal leverage with risk aversion: empirical evidence. Agricultural Finance Review 56(1), 85-97;

20. Khan, R. A. (2008) Role of construction sector in economic growth: Empirical evidence from Pakistan economy. Proceedings of the First International Conference on Construction in Developing Countries (ICCIDC), Karachi, Pakistan, 279-290;

21. Long, M. S., Malitz, I. B. (1985) Investment patterns and financial leverage. Corporate capital structures in the United States, 325-352;

22. Maksimovic, V. (1988) Capital structure in repeated oligopolies. The RAND Journal of Economics, 389-407;

23. Maris, B.A., Elayan, F.A. (1990) Capital structure in the cost of capital for untaxed firms: the case of REITs. AREUEA Journal 18, 22?39;

24. Miller, M. H., Modigliani, F. (1966) Some estimates of the cost of capital to the electric utility industry, 1954-57. The American Economic Review 56(3), 333-391;

25. Mitani, H. (2014) Capital structure and competitive position in product market. International Review of Economics & Finance 29, 358-371;

26. Modigliani, F., Miller, M.H. (1958) The cost of capital corporation finance, and the theory of investment. American Economic Review 48, 261?297;

27. Modigliani, F., Miller, M.H. (1963) Corporate income taxes and cost of capital: a correction. American Economic Review 53, 433?443;

28. Myers, S. C. (1977) Determinants of corporate borrowing. Journal of financial economics 5(2), 147-175;

29. Myers, S.C. (1984) The capital structure puzzle. Journal of Finance, July, 575?592;

30. Ooi, J. (1999a) The debt maturity structure of UK property companies. Journal of Property Research 16(4), 293?307;

31. Ooi, J. (1999b) The determinants of capital structure: evidence on UK property companies. Journal of Property Investment & Finance 17(5), 464?480;

32. Porter, M. E. (1980) Competitive strategy: Techniques for analyzing industries and competitors. New York: free press 267;

33. San, O. T., Heng, T. B. (2011) Capital structure and corporate performance of Malaysian construction sector. International Journal of Humanities and Social Science 1(2), 28-36;

34. Soetanto, R., Pan, W. (2009) Strategic planning of UK housebuilders: case study of a major property developer. Association of Researchers in Construction Management 1, 381-390;

35. Titman, S. (1984) The effect of capital structure on a firm's liquidation decision. Journal of financial economics 13(1), 137-151;

36. Titman, S., Wessels, R. (1988) The determinants of capital structure choice. Journal of Finance 43(1), 1?19;

37. Wedig, G., Sloan, F. A., Hassan, M., Morrisey, M. A. (1988) Capital structure, ownership, and capital payment policy: The case of hospitals. The Journal of Finance, 43(1), 21-40;



Приложение

Корреляционная матрица для переменных структуры капитала

	DTA	LDA	EQA	SDA
DTA	1.000
LDA	0.336***	1.000
EQA	-0.993***	-0.326***	1.000
SDA	0.525***	-0.626***	-0.528***	1.000

*** - значимость на 1% уровне; ** - значимость на 5% уровне; * - значимость на 10% уровне

Ящичковые диаграммы распределений

Гистограммы распределений



Коэффициент вариации

Переменная	Значение коэффициента
BR	1.881
EQA	1.575
EXP01	7.493
FA	1.334
LDA	1.294
LIQ	-12.005
MS	1.648
POP	1.097
PROF	3.617
SDA	0.531
SIZE	0.184

Графики Квантиль-Квантиль



Описательные статистики переменных модели

	BR	LDA	LIQ	MS	POP	PROF
Mean	1.136280	0.225080	-0.033215	0.821695	2767781.	0.037639
Median	0.534296	0.076021	0.003620	0.347000	1928518.	0.010677
Maximum	15.97585	1.562479	0.954792	10.07300	12179144	1.167444
Minimum	-4.199324	-0.000408	-1.344432	0.000000	213542.0	-0.844645
Std. Dev.	2.130928	0.290805	0.417174	1.357313	3042663.	0.136172
Skewness	2.498055	1.317336	-0.114873	3.717474	2.205259	1.154609
Kurtosis	12.78471	3.918166	2.644909	19.30601	7.148599	23.85442
Jarque-Bera	2444.208	157.6367	3.622175	6503.577	742.4369	8914.849
Probability	0.000000	0.000000	0.163476	0.000000	0.000000	0.000000
Sum	552.2320	109.3891	-16.14244	399.3440	1.35E+09	18.29232
Sum Sq. Dev.	2202.315	41.01517	84.40674	893.5148	4.49E+15	8.993302
Observations	486	486	486	486	486	486

	EQA	EXP01	FA	SIZE	SDA
Mean	0.169902	0.055846	0.201570	11.77577	0.605645
Median	0.077018	0.005183	0.062733	11.99126	0.635138
Maximum	0.953531	6.826477	0.983129	16.92689	1.734692
Minimum	-1.299123	-0.049420	0.000000	3.367296	0.000000
Std. Dev.	0.267505	0.418036	0.269138	2.171008	0.321666
Skewness	0.298542	14.57453	1.279250	-0.588532	-0.062337
Kurtosis	5.981544	222.7537	3.216077	3.572518	2.379296
Jarque-Bera	187.2339	995112.5	133.5003	34.69340	8.116532
Probability	0.000000	0.000000	0.000000	0.000000	0.017279
Sum	82.57226	27.14112	97.96288	5723.024	294.3435
Sum Sq. Dev.	34.70605	84.75579	35.13101	2285.938	50.18257
Observations	486	486	486	486	486

Условия Гаусса-Маркова

1. для всех наблюдений (несмещенность);

2. постоянна для всех наблюдений (гомоскедастичность, эффективность);

3. отсутствие автокорреляции (эффективность);

4. отсутствие эндогенности объясняющей переменной (детерминированность объясняющей переменной, несмещенность, состоятельность);

5. Отсутствие полной мультиколлинеарности;

6. (нормальность).

Доверительные интервалы

		90% CI	95% CI	99% CI
Variable	Coef.	Low	High	Low	High	Low	High
C	-2.331241	-2.931852	-1.730631	-3.047343	-1.615140	-3.273750	-1.388733
SDA	0.322899	-0.314001	0.959799	-0.436469	1.082268	-0.676556	1.322355
LDA	0.834545	0.008927	1.660163	-0.149831	1.818920	-0.461057	2.130146
LDA^2	-0.627442	-1.373628	0.118744	-1.517112	0.262228	-1.798395	0.543511
EQA	0.658005	0.258029	1.057981	0.181117	1.134892	0.030342	1.285668
BR	-0.057053	-0.118337	0.004231	-0.130121	0.016015	-0.153223	0.039116
EXP01	0.063532	-0.020963	0.148028	-0.037211	0.164275	-0.069062	0.196127
FA	-0.200325	-0.592471	0.191822	-0.667876	0.267227	-0.815700	0.415051
LIQ	0.025512	-0.363287	0.414311	-0.438049	0.489073	-0.584611	0.635635
POP	1.22E-07	6.89E-08	1.75E-07	5.87E-08	1.85E-07	3.87E-08	2.05E-07
PROF	-0.111611	-0.637228	0.414005	-0.738298	0.515075	-0.936435	0.713212
SIZE	0.213302	0.160916	0.265688	0.150843	0.275761	0.131095	0.295509

Проверка первого условия Гаусса-Маркова

Test of Hypothesis: Mean = 0.000000
Sample Mean = -1.50e-16
Sample Std. Dev. = 1.168448
Method	Value	Probability
t-statistic	-2.84E-15	1.0000

Графический анализ остатков

Тест Бреуша-Годфри

Breusch-Godfrey Serial Correlation LM Test:
F-statistic	44.999	Prob. F(2,472)	0.000
Obs*R-squared	77.828	Prob. Chi-Square(2)	0.000



Ковариационная матрица регрессоров

	RESID01	LDA	LIQ	SDA	EQA	BR
RESID01	1.362461	-1.82E-16	4.86E-17	-6.83E-16	1.32E-16	-1.15E-15
LDA	-1.82E-16	0.084393	0.039162	-0.058374	-0.025332	-0.117550
LIQ	4.86E-17	0.039162	0.173676	-0.088995	0.049654	0.524547
SDA	-6.83E-16	-0.058374	-0.088995	0.103256	-0.045294	-0.274698
EQA	1.32E-16	-0.025332	0.049654	-0.045294	0.071412	0.391950
BR	-1.15E-15	-0.117550	0.524547	-0.274698	0.391950	4.531512
EXP01	1.12E-16	-0.008431	0.011950	0.000895	0.007471	0.187960
FA	2.56E-16	0.005471	-0.043120	0.001113	-0.005863	-0.138684
POP	-4.40E-09	29401.62	57385.97	-16808.61	-8611.476	100962.5
PROF	6.53E-17	-0.007113	0.010507	-0.006770	0.013883	0.142736
SIZE	-9.80E-15	-0.023793	0.169037	-0.034971	0.060652	0.830250

	EXP01	FA	POP	PROF	SIZE
RESID01	1.12E-16	2.56E-16	-4.40E-09	6.53E-17	-9.80E-15
LDA	-0.008431	0.005471	29401.62	-0.007113	-0.023793
LIQ	0.011950	-0.043120	57385.97	0.010507	0.169037
SDA	0.000895	0.001113	-16808.61	-0.006770	-0.034971
EQA	0.007471	-0.005863	-8611.476	0.013883	0.060652
BR	0.187960	-0.138684	100962.5	0.142736	0.830250
EXP01	0.174395	-0.006331	126076.3	-0.002937	-0.022209
FA	-0.006331	0.072286	-63497.98	-0.002037	-0.115947
POP	126076.3	-63497.98	9.24E+12	-22590.82	1880487.
PROF	-0.002937	-0.002037	-22590.82	0.018505	0.014592
SIZE	-0.022209	-0.115947	1880487.	0.014592	4.703577

Корреляционная матрица для регрессоров

	BR	EQA	EXP01	FA	LDA	LIQ	POP	PROF	SDA	SIZE
BR	1.000
EQA	0.689***	1.000
EXP01	0.211***	0.067	1.000
FA	-0.242***	-0.082*	-0.056	1.000
LDA	-0.190***	-0.326***	-0.069	0.070	1.000
LIQ	0.591***	0.446***	0.069	-0.385***	0.323***	1.000
POP	0.016	-0.011	0.099*	-0.078*	0.033	0.045	1.000
PROF	0.493***	0.382***	-0.052	-0.056	-0.18***	0.185***	-0.055	1.000
SDA	-0.402***	-0.527***	0.007	0.013	-0.625***	-0.665***	-0.017	-0.155***	1.000
SIZE	0.18***	0.105**	-0.025	-0.199***	-0.038	0.187***	0.285***	0.049	-0.050	1.000

График нормальности распределения остатков

Размещено на Allbest.ru

...