Содержание
- 2. Цели лекции Природа проблемы автокорреляции остатков. Последствия автокорреляции. Средства обнаружения автокорреляции. Средства для решения проблемы автокорреляции.
- 3. Определение автокорреляции Автокорреляция (последовательная корреляция) – это корреляция между наблюдаемыми показателями во времени (временные ряды) или
- 4. Виды автокорреляции
- 5. Причины чистой автокорреляции 1. Инерция. Трансформация, изменение многих экономических показателей обладает инерционностью. 2. Эффект паутины. Многие
- 6. Автокорреляция первого порядка ε − случайный член рассматриваемого уравнения регрессии, ρ − коэффициент автокорреляции первого порядка,
- 7. Сезонная автокорреляция ε − случайный член рассматриваемого уравнения регрессии, ρ − коэффициент сезонной автокорреляции, η −
- 8. Автокорреляция второго порядка ε − случайный член рассматриваемого уравнения регрессии, ρ1, ρ2 − коэффициенты автокорреляции первого
- 9. Классический случайный член ε (автокорреляция отсутствует)
- 10. Положительная автокорреляция Положительная автокорреляция – наиболее важный для экономики случай
- 11. Отрицательная автокорреляция
- 12. Пример влияния автокорреляции на случайную выборку Рассмотрим выборку из 50 независимых нормально распределенных с нулевым средним
- 13. Пример влияния автокорреляции на случайную выборку
- 14. Пример влияния автокорреляции на случайную выборку
- 15. Пример влияния автокорреляции на случайную выборку
- 16. Пример влияния автокорреляции на случайную выборку
- 17. Пример влияния автокорреляции на случайную выборку
- 18. Пример влияния автокорреляции на случайную выборку
- 19. Пример влияния автокорреляции на случайную выборку
- 20. Пример влияния автокорреляции на случайную выборку
- 21. Пример влияния автокорреляции на случайную выборку
- 22. Пример влияния автокорреляции на случайную выборку
- 23. Пример влияния автокорреляции на случайную выборку
- 24. Пример влияния автокорреляции на случайную выборку
- 25. Пример влияния автокорреляции на случайную выборку
- 26. Пример влияния автокорреляции на случайную выборку
- 27. Пример влияния автокорреляции на случайную выборку
- 28. Ложная автокорреляция (автокорреляция, вызванная ошибочной спецификацией) X2 − сама является автокоррелированной переменной, Значение ε мало по
- 29. Пример. Автокорреляция, вызванная отсутствием значимой переменной
- 30. Пример. Автокорреляция, вызванная отсутствием значимой переменной
- 31. Ложная автокорреляция как результат неправильного выбора функциональной формы
- 32. Последствия автокорреляции 1. Истинная автокорреляция не приводит к смещению оценок регрессии, но оценки перестают быть эффективными.
- 33. Обнаружение автокорреляции 1. Графический метод. 2. Метод рядов. 3. Специальные тесты.
- 34. Обнаружение автокорреляции. Тест Дарбина-Уотсона Критерий Дарбина-Уотсона предназначен для обнаружения автокорреляции первого порядка. Он основан на анализе
- 35. Тест Дарбина-Уотсона. Ограничения Ограничения: 1. Тест не предназначен для обнаружения других видов автокорреляции (более чем первого)
- 36. Статистика Дарбина-Уотсона Статистика Дарбина-Уотсона имеет вид: T − число наблюдений (обычно временных периодов) et − остатки
- 37. Границы для статистики Дарбина-Уотсона Можно показать, что: Отсюда следует: При положительной корреляции: При отрицательной корреляции: При
- 38. Критические точки распределения Дарбина-Уотсона Для более точного определения, какое значение DW свидетельствует об отсутствии автокорреляции, а
- 39. Критические точки распределения Дарбина-Уотсона
- 40. Расположение критических точек распределения Дарбина-Уотсона При положительной корреляции: При отрицательной корреляции: При отсутствии корреляции:
- 41. Практическое использование теста Дарбина-Уотсона
- 42. Интерпретация результата теста Дарбина-Уотсона при некотором уровне значимости
- 43. Случай, когда значение DW−статистики попало в область неопределенности В данном случае можно использовать t-критерий для проверки
- 44. Устранение автокорреляции первого порядка (на примере парной линейной регрессии) Пусть имеем: (ρ − известно) Процедура устранения
- 45. Устранение автокорреляции первого порядка. Обобщения Рассмотренное авторегрессионное преобразование может быть обобщено на: 1) Произвольное число объясняющих
- 46. Способы оценивания коэффициента автокорреляции ρ 1. На основе статистики Дарбина-Уотсона. 2. Метод Кохрана-Оркатта. 3. Метод Хилдрета-Лу.
- 47. Определение коэффициента ρ на основе статистики Дарбина-Уотсона Этот метод дает удовлетворительные результаты при большом числе наблюдений.
- 48. Итеративная процедура Кохрана-Оркатта (на примере парной регрессии) 1. Определение уравнения регрессии и вектора остатков: 2. В
- 49. Итеративная процедура Хилдрета-Лу (на примере парной регрессии) 1. Определение уравнения регрессии и вектора остатков: 2. Оцениваем
- 50. Итеративные процедуры оценивания коэффициента ρ. Выводы 1. Сходимость процедур достаточно хорошая. 2. Метод Кохрана-Оркатта может «попасть»
- 51. Обобщенный метод наименьших квадратов (на примере парной регрессии) Пусть имеет место автокорреляция остатков:
- 52. Обобщенный метод наименьших квадратов (на примере парной регрессии) Обобщенный МНК представляет собой традиционный МНК с нелинейными
- 53. Итеративная процедура обобщенного метода наименьших квадратов 1. Считается регрессия и находятся остатки. 2. По остаткам находят
- 54. Обобщенный метод наименьших квадратов. Замечания 1. Значимый коэффициент DW может указывать просто на ошибочную спецификацию. 2.
- 56. Скачать презентацию