Econometrics in R - cvičenie 5

Základná diagnostika modelu – akcia NVDA a trh (S&P 500)

Autor

Lívia Pančíková

Pokračujeme s databázou S&P500.xlsx (denné ceny desiatich akcií, 21. 10. 2024 – 16. 10. 2026) z predchádzajúceho zadania. Cieľom je kvantifikovať, ako denný výnos akcie NVDA súvisí s výnosom zvyšku trhu, a vykonať celú diagnostiku modelu: kvalitu vyrovnania (t-testy, F-test, \(R^2\), AIC/BIC), grafickú analýzu rezíduí, test normality, test odľahlých hodnôt, hat maticu, leverage a Cookovu vzdialenosť.

library(readxl)
library(broom)
library(knitr)
library(kableExtra)
library(ggplot2)
library(dplyr)
library(tidyr)
library(car)
library(tseries)

Príprava databázy

Vysvetľovaná premenná je denný výnos NVDA (vynos, v %). Vysvetľujúce premenné: priemerný denný výnos ostatných deviatich akcií (trh), vnútrodenné rozpätie ceny v % z otváracej ceny (rozpatie) a percentuálna zmena objemu obchodov (zmena_objemu).

cesta <- "C:/Users/livia/Desktop/modregmet/ekonometria/S&P500.xlsx"

udaje <- read_excel(cesta) |>
  arrange(Name, Date) |>
  group_by(Name) |>
  mutate(
    vynos        = 100 * (Close / lag(Close) - 1),
    rozpatie     = 100 * (High - Low) / Open,
    zmena_objemu = 100 * (Volume / lag(Volume) - 1)
  ) |>
  ungroup()

# trh = priemerný výnos ostatných deviatich akcií
siroke <- udaje |>
  select(Date, Name, vynos) |>
  pivot_wider(names_from = Name, values_from = vynos)
siroke$trh <- rowMeans(siroke |> select(-Date, -NVDA), na.rm = TRUE)

udaje.nvda <- udaje |>
  filter(Name == "NVDA") |>
  select(Date, vynos, rozpatie, zmena_objemu) |>
  left_join(siroke |> select(Date, trh), by = "Date") |>
  filter(!is.na(vynos), !is.na(zmena_objemu)) |>   # prvý deň nemá výnos
  as.data.frame()

nrow(udaje.nvda)   # 498 pozorovaní
[1] 498

Pozrime sa na dáta: NVDA vs. zvyšok trhu

indexy <- udaje |>
  group_by(Name) |>
  mutate(index = 100 * Close / first(Close)) |>
  ungroup() |>
  mutate(je_nvda = Name == "NVDA")

ggplot(indexy, aes(Date, index, group = Name, colour = je_nvda, linewidth = je_nvda)) +
  geom_line(alpha = 0.9) +
  scale_colour_manual(values = c("grey70", "#76B900"), guide = "none") +
  scale_linewidth_manual(values = c(0.4, 1.3), guide = "none") +
  geom_text(data = indexy |> group_by(Name) |> slice_tail(n = 1),
            aes(label = Name), hjust = -0.1, size = 3, show.legend = FALSE) +
  scale_x_datetime(expand = expansion(mult = c(0.01, 0.1))) +
  labs(title = "Vývoj cien desiatich akcií (index, začiatok = 100)",
       subtitle = "NVDA zvýraznená zelenou", x = NULL, y = "Index") +
  theme_minimal(base_size = 12)

Uloženie všetkých objektov workspace, čistenie workspace

Aby sme nemuseli v každom zadaní znovu importovať a čistiť databázu, uložíme celý obsah pamäte (workspace) do súboru a nabudúce ho na začiatku načítame.

rm(list = c("indexy", "siroke"))   # nepotrebné objekty zmažem
save.image("pamat.Rdata")

Mazanie niektorých objektov z pamäte:

aaa <- 6
bbb <- "text"                       # aaa a bbb chcem vymazať
rm(list = c("aaa", "bbb"))          # vymažem tieto dva objekty
ls()                                # v pamäti zostalo
[1] "cesta"      "udaje"      "udaje.nvda"

Čistenie celej pamäte a opätovné načítanie uloženého workspace:

rm(list = ls())
ls()
character(0)
load("pamat.Rdata")
ls()
[1] "cesta"      "udaje"      "udaje.nvda"

load() budem v budúcnosti používať na začiatku dokumentu a save.image() na konci, aby som si prenášala celý obsah pamäte z jedného cvičenia na druhé. Nepotrebné objekty priebežne mažem príkazom rm().

library(readxl); library(broom); library(knitr); library(kableExtra)
library(ggplot2); library(dplyr); library(tidyr); library(car); library(tseries)

Lineárna regresia

Odhadujeme regresný model:

\[ vynos_t = \beta_0 + \beta_1 trh_t + \beta_2 rozpatie_t + \beta_3 zmena\_objemu_t + u_t \]

model <- lm(vynos ~ +1 + trh + rozpatie + zmena_objemu, data = udaje.nvda)

Výsledky regresie – odhady regresných koeficientov:

tidy(model) |>
  mutate(Significance = case_when(
    p.value < 0.001 ~ "***", p.value < 0.01 ~ "**",
    p.value < 0.05 ~ "*",  p.value < 0.10 ~ ".", TRUE ~ "")) |>
  kable(digits = 4,
        col.names = c("Variable","Estimate","Std. Error","t value","p-value","Significance"),
        caption = "Regression coefficients", escape = TRUE) |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE)
Regression coefficients
Variable Estimate Std. Error t value p-value Significance
(Intercept) 0.0892 0.1990 0.4480 0.6544
trh 1.1120 0.0642 17.3140 0.0000 ***
rozpatie -0.0298 0.0544 -0.5468 0.5847
zmena_objemu -0.0001 0.0008 -0.1780 0.8588

Interpretácia výsledkov regresného modelu

Funkcia broom::tidy(model) poskytuje tabuľku odhadnutých regresných koeficientov a výsledkov testovania ich štatistickej významnosti.

Stĺpec Vysvetlenie
Variable Premenná, ku ktorej patrí koeficient. (Intercept) je \(\hat\beta_0\) – absolútny člen.
Estimate Bodový odhad \(\hat\beta_j\): zmena očakávanej hodnoty vysvetľovanej premennej pri jednotkovej zmene vysvetľujúcej premennej, ostatné nezmenené.
Std. Error Štandardná chyba odhadu \(SE(\hat\beta_j)\) – neistota odhadu.
t value Testovacia štatistika Studentovho t-testu \(H_0:\beta_j=0\).
p-value Hraničná pravdepodobnosť; spravidla očakávame < 0,05.
Significance Hviezdičky podľa p-hodnoty.

Testovanie významnosti koeficientov

Pre každý koeficient testujeme \(H_0:\beta_j=0\) proti \(H_1:\beta_j\neq 0\) štatistikou

\[ t_j=\frac{\hat\beta_j}{SE(\hat\beta_j)}, \]

ktorá má pri platnosti klasických predpokladov vrátane normality chýb a \(H_0\) Studentovo t-rozdelenie s \(n-k\) stupňami voľnosti (\(n=498\) pozorovaní, \(k=4\) koeficienty vrátane absolútneho člena, teda 494 stupňov voľnosti). Pravidlo: ak \(p<\alpha\), zamietame \(H_0\).

Symbol p-hodnota Interpretácia
*** \(p<0{,}001\) významný na hladine 0,1 %
** \(p<0{,}01\) významný na hladine 1 %
* \(p<0{,}05\) významný na hladine 5 %
. \(p<0{,}10\) významný na hladine 10 %
bez symbolu \(p\ge 0{,}10\) nevýznamný

Interpretácia koeficientov nášho modelu

Koeficient pri trh (\(\hat\beta_1\approx 1{,}112\), p < 0,001, ***): ak priemerný výnos ostatných akcií vzrastie o 1 percentuálny bod, očakávaný výnos NVDA vzrastie približne o 1,11 p. b., za predpokladu nezmenených ostatných premenných (ceteris paribus). Koeficient väčší ako 1 znamená, že NVDA reaguje na pohyby trhu citlivejšie než priemer (v jazyku financií beta > 1).

Koeficient pri rozpatie (\(\hat\beta_2\approx -0{,}030\), p ≈ 0,58): štatisticky nevýznamný. Ak by rozpätie vzrástlo o 1 p. b., výnos by sa zmenil o −0,03 p. b., čo sa nedá odlíšiť od nuly.

Koeficient pri zmena_objemu (\(\hat\beta_3\approx -0{,}0001\), p ≈ 0,86): štatisticky nevýznamný a vecne zanedbateľný.

Absolútny člen (Intercept) (\(\hat\beta_0\approx 0{,}089\), p ≈ 0,65): predikovaný denný výnos NVDA pri nulovom výnose trhu, nulovom rozpätí a nulovej zmene objemu. Má skôr technický význam, je nevýznamný (priesečník regresnej nadroviny so zvislou osou).

Beta v obrázku

Sklon priamky je odhad \(\hat\beta_1\). Červené body sú dni, ktoré model vysvetľuje najhoršie.

m_tmp <- lm(vynos ~ trh, data = udaje.nvda)
udaje.nvda$stud <- rstudent(m_tmp)
extremy <- udaje.nvda |> filter(abs(stud) > 4)

ggplot(udaje.nvda, aes(trh, vynos)) +
  geom_hline(yintercept = 0, colour = "grey80") +
  geom_vline(xintercept = 0, colour = "grey80") +
  geom_point(alpha = 0.45, colour = "#2B6CB0") +
  geom_point(data = extremy, colour = "red", size = 2.5) +
  geom_text(data = extremy, aes(label = format(Date, "%d.%m.%Y")),
            colour = "red", size = 3, vjust = -0.8) +
  geom_smooth(method = "lm", se = TRUE, colour = "#76B900", fill = "#76B900", alpha = 0.2) +
  labs(title = "Denný výnos NVDA vs. priemerný výnos ostatných akcií",
       subtitle = "Zelená priamka = regresia, červené = |studentizované rezíduum| > 4",
       x = "Výnos trhu (%)", y = "Výnos NVDA (%)") +
  theme_minimal(base_size = 12)

udaje.nvda$stud <- NULL; rm(m_tmp, extremy)

Kvalita vyrovnania modelu

Kvalitu vyrovnania posudzujeme pomocou \(R^2\) a F-testu (p.value vedľa F stat.).

glance(model) |>
  select(-deviance) |>
  kable(digits = 4,
        col.names = c("R.squared","Adj.R.squared","Sigma","F Stat.","p.value","df",
                      "logLik","AIC","BIC","df.residual","N"),
        caption = "Model summary") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE)
Model summary
R.squared Adj.R.squared Sigma F Stat. p.value df logLik AIC BIC df.residual N
0.3803 0.3765 2.1785 101.0569 0 3 -1092.382 2194.763 2215.816 494 498

Interpretácia súhrnných charakteristík

Funkcia glance(model) charakterizuje model ako celok (na rozdiel od tidy(), ktorá opisuje jednotlivé koeficienty).

Stĺpec Vysvetlenie
R.squared Koeficient determinácie \(R^2\) – podiel variability vysvetľovanej premennej vysvetlený modelom.
Adj.R.squared Upravený \(\bar R^2\) – penalizuje pridávanie nevýznamných premenných.
Sigma Reziduálna štandardná chyba \(\hat\sigma\) – odhad smerodajnej odchýlky náhodnej zložky.
F Stat. F-štatistika testujúca spoločnú významnosť vysvetľujúcich premenných.
p.value P-hodnota celkového F-testu.
df Počet vysvetľujúcich premenných bez absolútneho člena (stupne voľnosti v čitateli F-testu).
logLik Logaritmus maximálnej vierohodnosti.
AIC Akaikeho informačné kritérium – nižšie je lepšie.
BIC Bayesovské informačné kritérium – prísnejšie penalizuje zložitosť.
df.residual Reziduálne stupne voľnosti \(n-k\).
N Počet pozorovaní použitých pri odhade.
deviance Reziduálny súčet štvorcov (RSS); z tabuľky vynechaný.

1. Koeficient determinácie – R.squared

\[R^2=1-\frac{RSS}{TSS},\qquad RSS=\sum_{i=1}^{n}e_i^2,\quad TSS=\sum_{i=1}^{n}(y_i-\bar y)^2 .\]

Pri OLS modeli s absolútnym členom platí \(0\le R^2\le 1\).

Interpretácia: \(R^2\approx 0{,}380\), teda model vysvetľuje približne 38 % variability denných výnosov NVDA, zvyšných 62 % zostáva nevysvetlených (správy o firme, čipoch, výsledky a pod.). Vysoké \(R^2\) samo osebe nezaručuje správnu špecifikáciu ani kauzálny vzťah.

2. Upravený koeficient determinácie – Adj.R.squared

\[\bar R^2=1-(1-R^2)\frac{n-1}{n-k}.\]

Na rozdiel od \(R^2\) nemusí po pridaní premennej vzrásť. Je vhodný na porovnávanie modelov s rôznym počtom premenných pri rovnakej vysvetľovanej premennej a rovnakých pozorovaniach. Náš \(\bar R^2\approx 0{,}377\) je blízko \(R^2\), lebo máme veľa pozorovaní a málo premenných.

3. Reziduálna štandardná chyba – Sigma

\[\hat\sigma=\sqrt{\frac{\sum e_i^2}{n-k}}=\sqrt{\frac{RSS}{n-k}}.\]

Má rovnakú jednotku ako vysvetľovaná premenná, tu percentuálne body. \(\hat\sigma\approx 2{,}18\) znamená, že skutočný denný výnos NVDA sa od modelu odchyľuje typicky o približne 2,2 p. b.

4. F-štatistika – F Stat.

Testujeme \(H_0:\beta_1=\beta_2=\beta_3=0\) proti \(H_1:\) aspoň jeden z koeficientov \(\beta_1,\beta_2,\beta_3\neq0\) štatistikou

\[F=\frac{R^2/(k-1)}{(1-R^2)/(n-k)},\]

ktorá má pri \(H_0\) a klasických predpokladoch F-rozdelenie s \(k-1=3\) a \(n-k=494\) stupňami voľnosti. Náš \(F\approx 101{,}1\) je vysoká hodnota, teda silný dôkaz proti \(H_0\). Štatistika má technický charakter, nie ekonomickú interpretáciu.

5. P-hodnota celkového F-testu – p.value

\(H_0:\beta_i=0\ \forall i>0\), \(H_1:\exists i>0:\beta_i\ne0\). Ak \(p<0{,}05\), zamietame \(H_0\) na 5 % hladine. U nás je \(p\approx 5\cdot10^{-51}\), teda \(H_0\) zamietame: aspoň jedna vysvetľujúca premenná má významný smernicový koeficient (v našom prípade trh). Pozor: táto p-hodnota patrí celému modelu; významnosť jednotlivých koeficientov testujeme t-testami.

6. Stupne voľnosti F-testu – df

\(df=k-1\); máme tri vysvetľujúce premenné, preto \(df=3\) (stupne voľnosti v čitateli F-štatistiky).

7. Logaritmická vierohodnosť – logLik

Vyjadruje, ako dobre model zodpovedá údajom: \(\ln L(\hat\beta_0,\ldots,\hat\beta_k,\hat\sigma^2)\). Pri rovnakých údajoch a rovnakej vysvetľovanej premennej znamená vyššia hodnota (u nás ≈ −1092,4) lepšie prispôsobenie, ale nepenalizuje počet parametrov, preto používame AIC a BIC.

8. Akaikeho informačné kritérium – AIC

\[AIC=-2\ln L+2k,\]

kde \(k\) je počet odhadovaných parametrov (pri normálnom lineárnom modeli aj parameter rozptylu). Uprednostňujeme model s nižším AIC. U nás AIC ≈ 2192,8.

9. Bayesovské informačné kritérium – BIC

\[BIC=-2\ln L+k\ln n.\]

Rovnako uprednostňujeme nižšiu hodnotu; BIC spravidla penalizuje zložitosť prísnejšie, lebo penalizácia závisí od \(n\). U nás BIC ≈ 2209,6. Obe kritériá majú zmysel len pri porovnávaní modelov na rovnakých údajoch a s rovnakou vysvetľovanou premennou.

10. Reziduálne stupne voľnosti – df.residual

\[df_{residual}=n-k=498-4=494.\]

Používame ich pri odhade rozptylu náhodnej zložky, pri t-testoch aj F-testoch.

11. Počet pozorovaní – N

nobs(model)
[1] 498

Počet použitých pozorovaní môže byť nižší ako počet riadkov súboru (chýbajúce hodnoty). U nás je to 498, lebo prvý deň nemá výnos (4 990 riadkov = 10 akcií × 499 dní).

12. Reziduálny súčet štvorcov – deviance

\[deviance=RSS=\sum_{i=1}^{n}(y_i-\hat y_i)^2=\sum e_i^2,\qquad \hat\sigma=\sqrt{\frac{deviance}{df_{residual}}}.\]

OLS minimalizuje práve túto veličinu. Overenie v R:

deviance(model)
[1] 2344.43
sigma(model)
[1] 2.178488
sqrt(deviance(model) / df.residual(model))
[1] 2.178488

Posledné dva príkazy dávajú rovnaký výsledok (≈ 2,1785).

Záverečné zhrnutie

  1. Vysvetľovacia schopnosť: R.squared, Adj.R.squared.
  2. Významnosť a presnosť: Sigma, F Stat., p.value, df, df.residual.
  3. Porovnávanie modelov a ďalšie: logLik, AIC, BIC, N, deviance.

Grafická analýza kvality modelu

Na Q-Q grafe získavame dojem o možnom porušení normality rezíduí. Červená LOWESS krivka vzniká vyhladzovaním približne 2/3 najbližších pozorovaní váženou metódou najmenších štvorcov (najväčšie váhy majú pozorovania najbližšie k referenčnému).

par(mfrow = c(2, 2))
plot(model)

Diagnostické grafy regresného modelu
par(mfrow = c(1, 1))

Residuals vs. Fitted

  • Centrovanie okolo nuly: reziduá kolíšu okolo nuly, takže model nemá výrazné systematické skreslenie.
  • Tvar červenej krivky: je takmer rovná, výrazná nelinearita sa nejaví (v ďalšej časti to overíme kvadratickým členom).
  • Rozptyl: väčšina bodov je v pásme zhruba ±5 p. b., ale niekoľko pozorovaní leží ďaleko mimo (najmä 65, približne −15 p. b.).
  • Odľahlé hodnoty: preskúmame ich testom outlierTest(model) z balíka car.

Q-Q plot

Os X sú teoretické kvantily normálneho rozdelenia, os Y štandardizované rezíduá a prerušovaná čiara je ideál pri normalite.

  • Stredná časť (približne −1 až +1 kvantily) dobre sleduje priamku.
  • Konce sa výrazne odchyľujú od priamky na oboch stranách. Ide o ťažké chvosty, teda extrémne výnosy sa vyskytujú podstatne častejšie, než by pri normálnom rozdelení mali.
  • Nasledujúce testy to potvrdzujú: normalitu zamietame.

Scale-Location

  • Os X sú vyrovnané hodnoty, os Y druhá odmocnina absolútnych štandardizovaných rezíduí.
  • Červená krivka je približne vodorovná, čo nenaznačuje výrazný lievik, teda rozptyl je približne konštantný (homoskedasticita).
  • Niekoľko bodov je výrazne nad ostatnými (pozorovania 65, 66, 116), čo sú extrémne rezíduá, nie systematická zmena rozptylu.

Residuals vs. Leverage

  • Os X je pákový efekt (vzdialenosť bodu od stredu vysvetľujúcich premenných), os Y štandardizované rezíduá, bodkované krivky sú kontúry Cookovej vzdialenosti.
  • Pozorovanie 147 má extrémnu páku (≈ 0,95 pri priemere ≈ 0,008) a Cookova vzdialenosť ≈ 15,6 prekračuje hranicu 1. Ide o deň, keď sa objem obchodov oproti predchádzajúcemu dňu zvýšil o 2 663 %, teda výrazne odľahlá hodnota vysvetľujúcej premennej zmena_objemu. Jeho štandardizované rezíduum je pritom malé (≈ 1,9), takže ide o vysokú páku bez veľkého rezídua.
  • Pozorovanie 116 (9. 4. 2025, deň prudkého rastu trhu po oznámení pozastavenia ciel) má vysokú páku (≈ 0,30) aj väčšie rezíduum (Cookova vzdialenosť ≈ 0,63).
udaje.nvda[c(65, 116, 147), ]
                   Date       vynos  rozpatie zmena_objemu        trh
65  2025-01-27 16:00:00 -16.9681672  9.375000    248.94705 -2.4731816
116 2025-04-09 16:00:00  18.7227414 17.767216     28.69855 13.2165406
147 2025-05-23 16:00:00  -0.3869499  2.707692   2662.71228 -0.8579829

Testy normality rezíduí

Rezíduá \(\mathbf e\) sú lineárnou kombináciou náhodných zložiek \(\mathbf u\):

\[\mathbf e=\mathbf y-\hat{\mathbf y}=(\mathbf I-\mathbf X(\mathbf X^T\mathbf X)^{-1}\mathbf X^T)\mathbf u .\]

Lineárna kombinácia normálne rozdelených veličín je tiež normálne rozdelená, preto predpoklad normality nepozorovateľných chýb \(\mathbf u\) môžeme testovať sprostredkovane cez normalitu pozorovateľných rezíduí \(\mathbf e\).

Jarqueov–Berov test normality rezíduí

Test vychádza zo šikmosti (skewness) a špicatosti (kurtosis). Pri normálnom rozdelení je šikmosť 0 a špicatosť 3.

  • \(H_0\): rozdelenie rezíduí je normálne,
  • \(H_1\): rozdelenie rezíduí nie je normálne.

\[JB=\frac{n}{6}\left(S^2+\frac{(K-3)^2}{4}\right)\overset{a}{\sim}\chi^2(2),\]

kde \(n\) je počet pozorovaní, \(S\) výberová šikmosť a \(K\) výberová špicatosť rezíduí. Ak \(p<0{,}05\), zamietame normalitu; ak \(p\ge0{,}05\), nezamietame (čo ešte neznamená, že sme normalitu dokázali).

res <- residuals(model)
jb_test <- tseries::jarque.bera.test(res)

broom::tidy(jb_test) |>
  dplyr::select(statistic, p.value, method) |>
  knitr::kable(digits = 4, col.names = c("JB statistic","p-value","Test"),
               caption = "Jarque-Bera test of residual normality") |>
  kableExtra::kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE)
Jarque-Bera test of residual normality
JB statistic p-value Test
351.7684 0 Jarque Bera Test

JB ≈ 351,8 a p-hodnota ≈ 0 < 0,05, preto normalitu rezíduí zamietame. Šikmosť je mierne záporná (≈ −0,21) a špicatosť ≈ 7,1, teda výrazne vyššia než 3, čo zodpovedá ťažkým chvostom na Q-Q grafe.

ggplot(data.frame(e = res), aes(e)) +
  geom_histogram(aes(y = after_stat(density)), bins = 50,
                 fill = "#2B6CB0", colour = "white", alpha = 0.8) +
  stat_function(fun = dnorm, args = list(mean = mean(res), sd = sd(res)),
                colour = "red", linewidth = 1) +
  labs(title = "Rezíduá modelu vs. normálne rozdelenie (červená)",
       x = "Rezíduum", y = "Hustota") +
  theme_minimal(base_size = 12)

Poznámka: Existujú aj ďalšie testy normality (Shapirov–Wilkov, Andersonov–Darlingov, Kolmogorovov–Smirnovov). JB test volíme pre jednoduchú interpretáciu a časté využitie v ekonometrii. Keďže využíva asymptotické rozdelenie, je vhodné doplniť ho Q-Q grafom.

Test odľahlých pozorovaní – outlierTest()

Test identifikuje pozorovania, ktorých hodnota vysvetľovanej premennej sa výrazne odlišuje od hodnoty predikovanej modelom. Využíva externe študentizované rezíduá

\[t_i=\frac{e_i}{\hat\sigma_{(i)}\sqrt{1-h_{ii}}},\]

kde \(e_i\) je rezíduum \(i\)-teho pozorovania, \(h_{ii}\) jeho leverage a \(\hat\sigma_{(i)}\) odhad smerodajnej odchýlky po vynechaní \(i\)-teho pozorovania.

  • \(H_0\): pozorovanie nie je odľahlé vzhľadom na špecifikovaný model,
  • \(H_1\): pozorovanie je odľahlé.

Za normality chýb má \(t_i\) pri \(H_0\) Studentovo rozdelenie s \(n-k-1\) stupňami voľnosti. Keďže testujeme viac pozorovaní naraz, používa sa Bonferroniho korekcia: \(p_{i,Bonf}=\min(1,\,n\cdot p_i)\). Ak \(p_{i,Bonf}<0{,}05\), pozorovanie je významne odľahlé na 5 % hladine.

outlier_test <- car::outlierTest(model)

if (is.null(outlier_test)) {
  cat("No observations returned by outlierTest.")
} else {
  data.frame(
    Observation  = names(outlier_test$rstud),
    rstudent     = unname(outlier_test$rstud),
    unadjusted.p = unname(outlier_test$p),
    bonf.p       = unname(outlier_test$bonf.p)
  ) |>
    knitr::kable(digits = 4,
                 col.names = c("Observation","Studentized residual",
                               "Unadjusted p-value","Bonferroni p-value"),
                 caption = "Outlier test with Bonferroni correction") |>
    kableExtra::kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE)
}
Outlier test with Bonferroni correction
Observation Studentized residual Unadjusted p-value Bonferroni p-value
65 -6.8392 0 0
Stĺpec Význam
Observation Identifikátor skúmaného pozorovania.
Studentized residual Externe študentizované rezíduum.
Unadjusted p-value P-hodnota bez korekcie na viacnásobné testovanie.
Bonferroni p-value P-hodnota po Bonferroniho korekcii; rozhodujeme podľa nej.

Pozorovanie 65 (27. 1. 2025) má studentizované rezíduum ≈ −6,84 a Bonferroniho p-hodnota je ≈ \(10^{-8}\) < 0,05, je teda štatisticky významne odľahlé. V ten deň NVDA klesla približne o 17 %, kým trh len o 2,5 % (správy o čínskom AI modeli DeepSeek). Nejde o chybu v dátach, ale o reálnu udalosť s dôležitou ekonomickou informáciou, preto ho automaticky neodstraňujeme.

Poznámka: outlierTest() zobrazuje len najextrémnejšie pozorovania, nie všetky riadky. Na posúdenie vplyvu pozorovania na odhad koeficientov použijeme Cookovu vzdialenosť (nižšie).

Hat matica, leverage a diagnostika vplyvných pozorovaní

Hat matica a jej vlastnosti

V lineárnom modeli \(\mathbf y=\mathbf X\boldsymbol\beta+\mathbf u\) sú odhadnuté hodnoty

\[\hat{\mathbf y}=\mathbf X\hat{\boldsymbol\beta}=\underbrace{\mathbf X(\mathbf X^T\mathbf X)^{-1}\mathbf X^T}_{\mathbf H}\mathbf y=\mathbf H\mathbf y .\]

Matica \(\mathbf H\) je hat matica (z \(\mathbf y\) robí \(\hat{\mathbf y}\)), je symetrická (\(\mathbf H^T=\mathbf H\)) a idempotentná (\(\mathbf H^2=\mathbf H\)). Jej diagonálne prvky \(h_{ii}\) sú leverage pozorovaní:

\[0\le h_{ii}\le1,\qquad \sum_{i=1}^n h_{ii}=\operatorname{tr}(\mathbf H)=\operatorname{rank}(\mathbf X)=p .\]

Pri modeli s konštantou platí aj \(h_{ii}\ge1/n\). Leverage závisí iba od matice \(\mathbf X\), nie od \(y\). Vysoká leverage znamená neobvyklú polohu pozorovania v priestore vysvetľujúcich premenných a sama osebe neznamená, že pozorovanie je vplyvné alebo chybné.

U nás je \(\mathbf X\) matica 498 × 4 (konštanta, trh, rozpatie, zmena_objemu), takže \(p=4\) a priemerná leverage je \(p/n=4/498\approx0{,}008\).

X <- model.matrix(model)           # obsahuje stĺpec jednotiek (konštantu)
H <- X %*% solve(t(X) %*% X) %*% t(X)
h <- diag(H)

dim(H)
[1] 498 498
round(H[1:6, 1:6], 3)              # ukážka: ľavý horný roh hat matice
      1      2      3     4     5     6
1 0.003  0.001  0.003 0.003 0.003 0.003
2 0.001  0.005 -0.002 0.000 0.002 0.000
3 0.003 -0.002  0.007 0.004 0.003 0.005
4 0.003  0.000  0.004 0.003 0.002 0.003
5 0.003  0.002  0.003 0.002 0.003 0.003
6 0.003  0.000  0.005 0.003 0.003 0.003
cat("Stopa H:", round(sum(h), 4), "\n")
Stopa H: 4 
cat("Priemerná leverage p/n:", ncol(X) / nrow(X), "\n")
Priemerná leverage p/n: 0.008032129 
cat("Symetria:", isTRUE(all.equal(H, t(H))), "\n")
Symetria: TRUE 
cat("Idempotentnosť:", isTRUE(all.equal(H %*% H, H)), "\n")
Idempotentnosť: TRUE 
cat("Najvyššia leverage:", round(max(h), 3), "– pozorovanie", which.max(h), "\n")
Najvyššia leverage: 0.947 – pozorovanie 147 

Orientačne sa používajú prahy \(2p/n\approx0{,}016\) alebo \(3p/n\approx0{,}024\) (nejde o univerzálne kritické hodnoty). Prah \(2p/n\) prekračuje 23 pozorovaní a prah \(3p/n\) 12 pozorovaní. Zďaleka najvyššiu leverage má pozorovanie 147 (≈ 0,95).

Overíme zhodu s funkciami R:

stopifnot(isTRUE(all.equal(as.numeric(h), as.numeric(hatvalues(model)))))
stopifnot(isTRUE(all.equal(as.numeric(H %*% udaje.nvda$vynos), as.numeric(fitted(model)))))
cat("Leverage aj odhadnuté hodnoty sa zhodujú.\n")
Leverage aj odhadnuté hodnoty sa zhodujú.

Štandardizované rezíduá

Rezíduum je \(e_i=y_i-\hat y_i\) a platí \(\operatorname{Var}(e_i\mid\mathbf X)=\sigma^2(1-h_{ii})\). Preto sa interne štandardizované rezíduum (rstandard()) počíta ako

\[r_i=\frac{e_i}{\hat\sigma\sqrt{1-h_{ii}}},\qquad \hat\sigma^2=MSE=\frac{\sum e_i^2}{n-p}.\]

Štandardizácia umožňuje porovnávať rezíduá pri rôznych leverage. Orientačne \(|r_i|>2\) upozorňuje na potenciálne neobvyklé pozorovanie a \(|r_i|>3\) na výraznejšiu odchýlku (nejde o automatické pravidlo na vyradenie údajov). Externé studentizované rezíduá (rstudent()) používajú odhad rozptylu po vynechaní hodnoteného pozorovania.

res_tab <- data.frame(
  pozorovanie            = seq_len(nrow(udaje.nvda)),
  datum                  = as.Date(udaje.nvda$Date),
  reziduum               = residuals(model),
  leverage               = hatvalues(model),
  standardizovane        = rstandard(model),
  externe_studentizovane = rstudent(model)
)

# 10 pozorovaní s najväčším |standardizovaným rezíduom|
res_tab |>
  arrange(desc(abs(standardizovane))) |>
  head(10) |>
  mutate(across(where(is.numeric), \(x) round(x, 3))) |>
  kable(caption = "Najväčšie štandardizované rezíduá") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE)
Najväčšie štandardizované rezíduá
pozorovanie datum reziduum leverage standardizovane externe_studentizovane
65 65 2025-01-27 -13.993 0.036 -6.543 -6.839
463 463 2026-08-27 8.078 0.003 3.714 3.764
402 402 2026-06-01 7.858 0.005 3.616 3.661
324 324 2026-02-06 7.700 0.011 3.555 3.597
66 66 2025-01-28 7.258 0.038 3.398 3.435
72 72 2025-02-05 7.006 0.005 3.223 3.255
381 381 2026-04-30 -6.220 0.008 -2.867 -2.888
89 89 2025-03-03 -5.700 0.030 -2.657 -2.673
440 440 2026-07-27 -5.707 0.009 -2.632 -2.648
87 87 2025-02-27 -5.578 0.045 -2.620 -2.636
sum(abs(res_tab$standardizovane) > 2)   # 24 pozorovaní
[1] 24
sum(abs(res_tab$standardizovane) > 3)   # 6 pozorovaní
[1] 6

Až 24 pozorovaní (4,8 %) má \(|r_i|>2\) a 6 pozorovaní \(|r_i|>3\). Pri normálnom rozdelení by sme čakali približne 4,6 % a 0,3 %, teda extrémne pozorovania je viac, než by normalita pripúšťala (ťažké chvosty).

Cookova vzdialenosť

Cookova vzdialenosť spája veľkosť rezídua a leverage a približuje, ako výrazne by sa zmenili odhadnuté hodnoty po vynechaní pozorovania:

\[D_i=\frac{e_i^2}{p\,MSE}\frac{h_{ii}}{(1-h_{ii})^2}=\frac{r_i^2}{p}\frac{h_{ii}}{1-h_{ii}} .\]

Je nezáporná; väčšie hodnoty signalizujú potrebu pozorovanie preveriť. Používajú sa orientačné prahy \(D_i>0{,}5\), \(D_i>1\) alebo \(4/n\) (nejde o pevné hranice ani dôvod na automatické vyradenie).

p <- length(coef(model))
mse <- sum(residuals(model)^2) / df.residual(model)
D_rucne <- residuals(model)^2 / (p * mse) *
  hatvalues(model) / (1 - hatvalues(model))^2
stopifnot(isTRUE(all.equal(unname(D_rucne), unname(cooks.distance(model)))))

diagnostika <- data.frame(
  pozorovanie              = seq_len(nrow(udaje.nvda)),
  datum                    = as.Date(udaje.nvda$Date),
  leverage                 = hatvalues(model),
  standardizovane_reziduum = rstandard(model),
  Cookova_vzdialenost      = cooks.distance(model)
)

diagnostika |>
  arrange(desc(Cookova_vzdialenost)) |>
  head(8) |>
  mutate(across(where(is.numeric), \(x) round(x, 3))) |>
  kable(caption = "Pozorovania s najvyššou Cookovou vzdialenosťou") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE)
Pozorovania s najvyššou Cookovou vzdialenosťou
pozorovanie datum leverage standardizovane_reziduum Cookova_vzdialenost
147 147 2025-05-23 0.947 1.869 15.626
116 116 2025-04-09 0.297 2.447 0.633
65 65 2025-01-27 0.036 -6.543 0.403
66 66 2025-01-28 0.038 3.398 0.116
114 114 2025-04-07 0.127 1.671 0.101
87 87 2025-02-27 0.045 -2.620 0.081
89 89 2025-03-03 0.030 -2.657 0.054
324 324 2026-02-06 0.011 3.555 0.036
par(mfrow = c(1, 2))
plot(hatvalues(model), type = "h", lwd = 2,
     xlab = "Pozorovanie", ylab = "Leverage", main = "Pákový účinok")
abline(h = p / nrow(udaje.nvda), lty = 2)
plot(cooks.distance(model), type = "h", lwd = 2,
     xlab = "Pozorovanie", ylab = "Cookova vzdialenosť", main = "Vplyv pozorovaní")
abline(h = 4 / nrow(udaje.nvda), lty = 2)

par(mfrow = c(1, 1))

Výsledky: pozorovanie 147 má \(D\approx15{,}6\) (výrazne nad 1), pozorovanie 116 má \(D\approx0{,}63\) (nad 0,5) a pozorovanie 65 \(D\approx0{,}40\). Prah \(4/n\approx0{,}008\) prekračuje 21 pozorovaní, čo pri takto veľkej vzorke a ťažkých chvostoch nie je prekvapujúce.

Je vysoká leverage to isté ako vplyvné pozorovanie?

Nie. Leverage sa určuje iba z hodnôt vysvetľujúcich premenných; veľké rezíduum charakterizuje odchýlku \(y_i\) od regresnej roviny; Cookova vzdialenosť zohľadňuje obe. Pozorovanie 147 je extrémne v priestore \(\mathbf X\) (objem +2 663 %), ale jeho výnos (−0,4 %) model predpovedá dobre. Pozorovanie 65 má naopak malú páku, ale obrovské rezíduum. Skutočný vplyv overíme porovnaním koeficientov s pozorovaním a bez neho:

model_bez147 <- lm(vynos ~ trh + rozpatie + zmena_objemu, data = udaje.nvda[-147, ])
model_bez65  <- lm(vynos ~ trh + rozpatie + zmena_objemu, data = udaje.nvda[-65, ])

porovnanie <- data.frame(
  parameter           = names(coef(model)),
  vsetky_pozorovania  = unname(coef(model)),
  bez_147             = unname(coef(model_bez147)),
  bez_65              = unname(coef(model_bez65))
)
porovnanie[-1] <- lapply(porovnanie[-1], round, digits = 4)
print(porovnanie, row.names = FALSE)
    parameter vsetky_pozorovania bez_147  bez_65
  (Intercept)             0.0892  0.0207 -0.0514
          trh             1.1120  1.0979  1.0846
     rozpatie            -0.0298 -0.0018  0.0235
 zmena_objemu            -0.0001 -0.0064  0.0003
Parameter všetky bez 147 bez 65
(Intercept) 0,0892 0,0207 −0,0514
trh 1,1120 1,0979 1,0846
rozpatie −0,0298 −0,0018 0,0235
zmena_objemu −0,0001 −0,0064 0,0003

Najdôležitejší koeficient trh sa takmer nemení (1,08 – 1,11), takže ani jedno z pozorovaní odhad nepreklopí. Pozorovanie 147 ovplyvňuje najmä koeficient pri zmena_objemu (sám extrémny bod na ňom stojí); bez neho dokonca vychádza zmena_objemu na 10 % hladine významný (p ≈ 0,06). Pozorovanie 65 mierne znižuje odhad bety (z 1,11 na 1,08).

Úprava modelu

Premenné rozpatie a zmena_objemu boli nevýznamné, a navyše zmena_objemu spôsobuje problém s pákou (pozorovanie 147). Odhadneme jednoduchší model

\[vynos_t=\beta_0+\beta_1\,trh_t+u_t .\]

model2 <- lm(vynos ~ trh, data = udaje.nvda)

tidy(model2) |>
  kable(digits = 4, col.names = c("Variable","Estimate","Std. Error","t value","Pr(>|t|)"),
        caption = "Regression results – NVDA") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE)
Regression results – NVDA
Variable Estimate Std. Error t value Pr(>&#124;t&#124;)
(Intercept) -0.0070 0.0977 -0.0719 0.9427
trh 1.1144 0.0639 17.4312 0.0000

Graphical diagnostic of the model

par(mfrow = c(2, 2))
plot(model2)

par(mfrow = c(1, 1))

Test normality rezíduí upraveného modelu

res2 <- residuals(model2)
jb_test2 <- tseries::jarque.bera.test(res2)

broom::tidy(jb_test2) |>
  dplyr::select(statistic, p.value, method) |>
  knitr::kable(digits = 4, col.names = c("JB statistic","p-value","Test"),
               caption = "Jarque-Bera test of residual normality – model 2") |>
  kableExtra::kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE)
Jarque-Bera test of residual normality – model 2
JB statistic p-value Test
385.8345 0 Jarque Bera Test

JB ≈ 385,8 (p ≈ 0): zjednodušenie modelu nepriblížilo rozdelenie rezíduí k normalite.

Test odľahlých hodnôt upraveného modelu

car::outlierTest(model2)
    rstudent unadjusted p-value Bonferroni p
65 -6.854238         2.1404e-11   1.0659e-08

Pozorovanie 65 zostáva významne odľahlé (Bonferroniho p ≈ \(10^{-8}\)). V modeli 2 je \(\hat\beta_1\approx1{,}114\) (SE ≈ 0,064), \(R^2\approx0{,}380\) a \(\bar R^2\approx0{,}379\), teda prakticky rovnako ako v modeli 1.

Malé úlohy

1. Porovnanie oboch modelov podľa AIC

Oba modely majú rovnakú vysvetľovanú premennú a rovnaké pozorovania (\(N=498\)), preto môžeme AIC porovnávať.

AIC(model, model2)
       df      AIC
model   5 2194.763
model2  3 2191.107
BIC(model, model2)
       df      BIC
model   5 2215.816
model2  3 2203.739
Model Špecifikácia AIC BIC
model trh + rozpatie + zmena_objemu 2192,76 2209,61
model2 trh 2189,11 2197,53

Podľa AIC je lepší model 2 (nižšie AIC o ≈ 3,7; rozdiel väčší ako približne 2 je vecne zaujímavý). BIC dáva rovnaký záver (rozdiel ≈ 12). Pridané premenné nezlepšili vierohodnosť, len zvýšili počet parametrov.

2. Iná modifikácia modelu

Skúsime dve ďalšie úpravy: model3 pridáva kvadratický člen trhu (test nelinearity), model4 pridáva logaritmus rozpätia.

\[\text{model 3: } vynos=\beta_0+\beta_1trh+\beta_2trh^2+u,\qquad \text{model 4: } vynos=\beta_0+\beta_1trh+\beta_2\ln(rozpatie)+u .\]

model3 <- lm(vynos ~ trh + I(trh^2), data = udaje.nvda)
model4 <- lm(vynos ~ trh + log(rozpatie), data = udaje.nvda)

tidy(model3); tidy(model4)
# A tibble: 3 × 5
  term        estimate std.error statistic  p.value
  <chr>          <dbl>     <dbl>     <dbl>    <dbl>
1 (Intercept) -0.0270     0.101     -0.267 7.89e- 1
2 trh          1.10       0.0670    16.4   1.23e-48
3 I(trh^2)     0.00930    0.0118     0.785 4.33e- 1
# A tibble: 3 × 5
  term          estimate std.error statistic  p.value
  <chr>            <dbl>     <dbl>     <dbl>    <dbl>
1 (Intercept)      0.153    0.248      0.618 5.37e- 1
2 trh              1.11     0.0644    17.2   2.08e-52
3 log(rozpatie)   -0.153    0.218     -0.703 4.83e- 1
AIC(model, model2, model3, model4)
       df      AIC
model   5 2194.763
model2  3 2191.107
model3  4 2192.487
model4  4 2192.611
BIC(model, model2, model3, model4)
       df      BIC
model   5 2215.816
model2  3 2203.739
model3  4 2209.330
model4  4 2209.454
tseries::jarque.bera.test(residuals(model3))

    Jarque Bera Test

data:  residuals(model3)
X-squared = 402.57, df = 2, p-value < 2.2e-16
tseries::jarque.bera.test(residuals(model4))

    Jarque Bera Test

data:  residuals(model4)
X-squared = 360.83, df = 2, p-value < 2.2e-16
car::outlierTest(model3)
    rstudent unadjusted p-value Bonferroni p
65 -6.899281         1.6075e-11   8.0053e-09
car::outlierTest(model4)
    rstudent unadjusted p-value Bonferroni p
65 -6.807901         2.8813e-11   1.4349e-08
data.frame(model = c("1: trh+rozpätie+objem", "2: trh", "3: trh+trh²", "4: trh+ln(rozpätie)"),
           AIC = AIC(model, model2, model3, model4)$AIC) |>
  ggplot(aes(reorder(model, -AIC), AIC, fill = AIC == min(AIC))) +
  geom_col(width = 0.6, show.legend = FALSE) +
  geom_text(aes(label = round(AIC, 1)), hjust = 1.1, colour = "white") +
  scale_fill_manual(values = c("grey60", "#76B900")) +
  coord_flip(ylim = c(2150, 2195)) +
  labs(title = "Porovnanie modelov podľa AIC (nižšie = lepšie)", x = NULL, y = "AIC") +
  theme_minimal(base_size = 12)

Model AIC BIC JB (p) Poznámka
1: trh + rozpatie + zmena_objemu 2192,76 2209,61 351,8 (≈0)
2: trh 2189,11 2197,53 385,8 (≈0) najnižšie AIC aj BIC
3: trh + trh² 2190,49 2203,12 402,6 (≈0) trh² nevýznamný (p ≈ 0,43)
4: trh + ln(rozpatie) 2190,61 2203,24 360,8 (≈0) ln(rozpatie) nevýznamný (p ≈ 0,48)

Ani kvadratický člen, ani logaritmus rozpätia nie sú významné a AIC je horšie než pri modeli 2. Vzťah NVDA a trhu je dobre opísaný jednoduchou lineárnou závislosťou a žiadna z úprav nevyrieši normalitu rezíduí.

Vplyv odľahlého pozorovania 65 na model 2:

model2_bez65 <- lm(vynos ~ trh, data = udaje.nvda[-65, ])
coef(model2); coef(model2_bez65)
 (Intercept)          trh 
-0.007025519  1.114440719 
(Intercept)         trh 
 0.02531524  1.08245291 
tseries::jarque.bera.test(residuals(model2_bez65))

    Jarque Bera Test

data:  residuals(model2_bez65)
X-squared = 40.452, df = 2, p-value = 1.645e-09

Bez pozorovania 65 sa \(\hat\beta_1\) zmení z 1,114 na ≈ 1,083, čiže len mierne. JB test normalitu stále zamieta, ale štatistika klesne z ≈ 386 na ≈ 40, takže práve jeden extrémny deň spôsobuje väčšinu odchýlky od normality.

Príloha: Ako čítať normálny Q–Q graf

Najprv Q-Q graf rezíduí nášho modelu 2 a potom vzorové obrazy pre rôzne tvary rozdelení (simulované dáta nesúvisia s hat maticou).

par(mfrow = c(1, 2))
hist(res2, breaks = 50, main = "Rezíduá modelu 2", xlab = "Rezíduum", col = "#76B900")
qqnorm(res2, main = "Normálny Q–Q graf: rezíduá modelu 2")
qqline(res2, col = "red", lwd = 2)

par(mfrow = c(1, 1))

Obraz pripomína príklad so ťažkými chvostmi nižšie: stred sedí na priamke, konce sa od nej vzďaľujú.

Rozdelenie zošikmené doľava

set.seed(123)
x <- -rchisq(1000, df = 5)
par(mfrow = c(1, 2))
hist(x, breaks = 30, main = "Ľavostranná šikmosť", xlab = "Hodnota", col = "skyblue")
qqnorm(x, main = "Normálny Q–Q graf: ľavá šikmosť"); qqline(x, col = "red", lwd = 2)

par(mfrow = c(1, 1))

Rozdelenie zošikmené doprava

set.seed(123)
x <- rchisq(1000, df = 5)
par(mfrow = c(1, 2))
hist(x, breaks = 30, main = "Pravostranná šikmosť", xlab = "Hodnota", col = "orange")
qqnorm(x, main = "Normálny Q–Q graf: pravá šikmosť"); qqline(x, col = "red", lwd = 2)

par(mfrow = c(1, 1))

Symetrické rozdelenie s ťažkými chvostmi

Studentovo \(t\)-rozdelenie s dvomi stupňami voľnosti má ťažké chvosty (jeho štvrtý moment neexistuje, preto hovoríme o ťažkých chvostoch, nie o konkrétnej kurtóze).

set.seed(123)
x <- rt(1000, df = 2)
par(mfrow = c(1, 2))
hist(x, breaks = 30, main = "Symetria a ťažké chvosty", xlab = "Hodnota", col = "lightgreen")
qqnorm(x, main = "Normálny Q–Q graf: ťažké chvosty"); qqline(x, col = "red", lwd = 2)

par(mfrow = c(1, 1))

Symetrické rozdelenie s ľahkými chvostmi

Rovnomerné rozdelenie má kurtózu \(9/5=1{,}8\), teda nižšiu než normálne rozdelenie (3).

set.seed(123)
x <- runif(1000, min = -3, max = 3)
par(mfrow = c(1, 2))
hist(x, breaks = 30, main = "Rovnomerné rozdelenie", xlab = "Hodnota", col = "lightblue")
qqnorm(x, main = "Normálny Q–Q graf: ľahké chvosty"); qqline(x, col = "red", lwd = 2)

par(mfrow = c(1, 1))

Záver

V tejto úlohe sme kvantifikovali viacnásobnú lineárnu regresiu denných výnosov NVDA a vykonali kompletnú diagnostiku modelu. Jediným významným vysvetľujúcim faktorom je výnos trhu (beta ≈ 1,11): NVDA sa pohybuje o niečo silnejšie než zvyšok trhu a model vysvetľuje približne 38 % jej variability. Rozpätie a zmena objemu sú nevýznamné, preto podľa AIC aj BIC uprednostňujeme najjednoduchší model vynos ~ trh.

Rezíduá nie sú normálne (JB test, ťažké chvosty), čo je pri finančných výnosoch bežné. Pozorovanie 65 (27. 1. 2025) je významne odľahlé, ale ide o reálnu udalosť, nie chybu. Pozorovanie 147 má extrémnu páku (zmena objemu +2 663 %), no koeficient pri trh neovplyvňuje. Kvadratický člen ani logaritmus rozpätia model nezlepšili. Výsledky sú štatistické súvislosti, nie dôkaz kauzality.

save.image("pamat.Rdata")
rm(list = ls())