Page 56 - Nemec Rudež, Helena, 2016. Analiza turističnega povpraševanja izbranih izvornih trgov Slovenije. Koper: Založba Univerze na Primorskem
P. 56
Analiza turističnega povpraševanja izbranih izvornih trgov Slovenije
(Song in Witt 2000, 34). Vrednosti DW so med 0 in 4, pri čemer vrednost 2
nakazuje, da avtokorelacije ni, vrednost 0 nakazuje močno pozitivno avto-
korelacijo, vrednost 4 pa močno negativno avtorekorelacijo (Song in Witt
2000, 35). Običajno se ima v študijah vrednosti okoli 2 oz. v razponu med
1,5 in 2,5 za sprejemljive oz. se v tem primeru meni, da v večini primerov
ni resne avtokorelacje (Frechtling 2001, 181). Kadar je v modelu vključena
odložena odvisna spremenljivka kot pojasnjevalna spremenljivka, je DW
nagnjen proti 2 (Song in Witt 2000, 35). Zato je v tem primeru potrebno
izbrati drug kazalnik (npr. Durbinov h-test).
Durbinov h-test izračunamo na naslednji način (Durbin, 1970 v Aste-
riou in Hall 2011, 162):
56
pri čemer je:
- DW vrednost Durbin-Watsonovega koeficienta,
- n število opazovanih enot,
- seY standardna napaka koeficienta odložene odvisne spremenljivke.
Če je vrednost Durbinovega h-testa ob 5-% stopnji značilnosti višja od
+/-1,96, ničelno hipotezo, da avtokorelacija ni prisotna, zavrnemo. In obra-
tno, če je vrednost h nižja od +/-1,96, ničelno hipotezo sprejmemo in skle-
pamo, da avtokorelacija v modelu ni prisotna (Asteriou in Hall 2011, 162).
Prisotnost heteroskedastičnosti pomeni kršitev linearnega regresijske-
ga modela, ko imajo slučajne napake enako varianco (Frechtling 2001, 181).
To pomeni, da se varianca slučajne spremenljivke spreminja skupaj z vre-
dnostjo neodvisnih spremenljivk. Heteroskedastičnost se preverja z različ-
nimi testi. V ta namen bomo v raziskavi uporabili Parkov test, ki kot odvis-
no spremenljivko uporablja kvadrat ostankov regresije; stopnja značilnosti
regresijskih koeficientov pokaže, ali je v modelu prisotna heteroskedastič-
nost.
Multikolinearnost pomeni, da med dvema ali več neodvisnimi spre-
menljivkami v regresijskem modelu obstaja visoka korelacija. Prisotnost oz.
odsotnost multikolinearnosti se preverja z različnimi kazalci. Zelo razšir-
jena je uporaba testa VIF (variance inflation rate). Če je njegova vrednost
nad 10, se meni, da v modelu obstaja problem multikolinearnosti (O’Brien
2007). Odpravimo ga z izločanjem ene izmed spremenljivk, med katerima
obstaja korelacija iz modela, če spremenljivki merita isto aktivnost; če pa na
spremenljivki vplivajo različni dejavniki, je potrebno spremenljivke ustre-
zno preoblikovati in jih ne izločiti (Frechtling 2001, 162).
(Song in Witt 2000, 34). Vrednosti DW so med 0 in 4, pri čemer vrednost 2
nakazuje, da avtokorelacije ni, vrednost 0 nakazuje močno pozitivno avto-
korelacijo, vrednost 4 pa močno negativno avtorekorelacijo (Song in Witt
2000, 35). Običajno se ima v študijah vrednosti okoli 2 oz. v razponu med
1,5 in 2,5 za sprejemljive oz. se v tem primeru meni, da v večini primerov
ni resne avtokorelacje (Frechtling 2001, 181). Kadar je v modelu vključena
odložena odvisna spremenljivka kot pojasnjevalna spremenljivka, je DW
nagnjen proti 2 (Song in Witt 2000, 35). Zato je v tem primeru potrebno
izbrati drug kazalnik (npr. Durbinov h-test).
Durbinov h-test izračunamo na naslednji način (Durbin, 1970 v Aste-
riou in Hall 2011, 162):
56
pri čemer je:
- DW vrednost Durbin-Watsonovega koeficienta,
- n število opazovanih enot,
- seY standardna napaka koeficienta odložene odvisne spremenljivke.
Če je vrednost Durbinovega h-testa ob 5-% stopnji značilnosti višja od
+/-1,96, ničelno hipotezo, da avtokorelacija ni prisotna, zavrnemo. In obra-
tno, če je vrednost h nižja od +/-1,96, ničelno hipotezo sprejmemo in skle-
pamo, da avtokorelacija v modelu ni prisotna (Asteriou in Hall 2011, 162).
Prisotnost heteroskedastičnosti pomeni kršitev linearnega regresijske-
ga modela, ko imajo slučajne napake enako varianco (Frechtling 2001, 181).
To pomeni, da se varianca slučajne spremenljivke spreminja skupaj z vre-
dnostjo neodvisnih spremenljivk. Heteroskedastičnost se preverja z različ-
nimi testi. V ta namen bomo v raziskavi uporabili Parkov test, ki kot odvis-
no spremenljivko uporablja kvadrat ostankov regresije; stopnja značilnosti
regresijskih koeficientov pokaže, ali je v modelu prisotna heteroskedastič-
nost.
Multikolinearnost pomeni, da med dvema ali več neodvisnimi spre-
menljivkami v regresijskem modelu obstaja visoka korelacija. Prisotnost oz.
odsotnost multikolinearnosti se preverja z različnimi kazalci. Zelo razšir-
jena je uporaba testa VIF (variance inflation rate). Če je njegova vrednost
nad 10, se meni, da v modelu obstaja problem multikolinearnosti (O’Brien
2007). Odpravimo ga z izločanjem ene izmed spremenljivk, med katerima
obstaja korelacija iz modela, če spremenljivki merita isto aktivnost; če pa na
spremenljivki vplivajo različni dejavniki, je potrebno spremenljivke ustre-
zno preoblikovati in jih ne izločiti (Frechtling 2001, 162).
