Я провел анализ изменения производительности труда (обозначим его как переменную y) в зависимости от квалификации работника (переменная x1) и стоимости нормо-часа (переменная x2). Для этого использовал тест Голдфельда-Квандта, чтобы выяснить наличие гетероскедастичности (несвойственной гомоскедастичности) по объясняющим переменным.В ходе анализа использовал следующие данные⁚
i 1 2 3 4 5 6 7 8 9 10
y 20 21,4 20,7 21,5 22,1 23,2 24,1 23,9 24,8 25,1
x1 30 40 42 43 45 47 49 45 51 52
x2 85 88 85 87 89 91 93 89 95 99
i 11 12 13 14 15 16 17 18 19 20
y 26٫1 27٫1 28٫3 28٫5 27٫9 28٫8 29 28٫9 29٫1 29٫7
x1 55 53 56 57 58 55 59 61 62 63
x2 101 102 99 103 105 104 109 110 108 111
Сначала я создал две группы на основе переменной x2. Первая группа содержала данные с x2 <= 95, а вторая группа ー данные с x2 > 95. Далее, для каждой группы, рассчитал значения переменной y в зависимости от переменных x1 и x2. После этого провел тест Голдфельда-Квандта для каждой группы, чтобы проверить гипотезу о гомоскедастичности. Результаты теста показали, что для первой группы p-значение было больше 0,05, что говорит о гомоскедастичности. Однако для второй группы p-значение было меньше 0,05, что указывает на наличие гетероскедастичности. Таким образом, выяснилось, что изменение производительности труда зависит от квалификации работника и стоимости нормо-часа, и что гетероскедастичность появляется при значениях x2, превышающих 95. В моем личном опыте использование теста Голдфельда-Квандта помогает выявить гетероскедастичность в данных и делает анализ более точным. Это полезный инструмент для исследования зависимостей, особенно когда требуется дополнительная информация для принятия решений.