1) Отбор факторов для исследования.
2) Нахождение оценок коэффициентов множественной регрессии методом наименьших квадратов (OLS)
3) Оценка качества и адекватности полученной регрессии с
помощью коэффициента детерминации (R2) и F-статистики.
4) Проверка значимости коэффициентов регрессии с помощью t-статистики и p-value значения.
5) Проведение процедуры «выбрасывания» незначимых коэффициентов с помощью p-value, F-статистики и скорректированного коэффициента детерминации (R2
adjust).
6) Проведение теста для выбора наилучшего функционального преобразования регрессии (лучшего типа функциональной зависимости) с помощью преобразования Zarembka и теста BoxCox.
7) Проверка модели на наличие мультиколлинеарности с помощью расчета VIF для каждого значимого фактора. При наличии данной проблемы - избавление от нее с помощью
ортогонализации системы путем построения ортогональных
векторов.
8) Проверка модели на наличие гетероскедастичности с помощью теста Breush-Pagan-Goldfeld (B-P-G), а также теста Park. При наличии данной проблемы - избавление с помощью взвешенного метода наименьших квадратов (GLS)
9) Проверка модели на наличие автокорреляции с помощью
статистики Дарбина-Уотсона (DW), а также теста серий (если
DW не дает результата, в случае попадания в зоны
неопределенности). При наличии данной проблемы - избавление от нее с помощью метода двойного пошагового Дарбина (2 step Darbin), а также построения регрессии в первых разностях с поправкой Praise-Winston.
10) Анализ и экономическая интерпретация итоговой регрессии, а также знаков коэффициентов в итоговой регрессии.