Содержание
- 2. 1. Автокорреляция и её последствия В классической модели считается, что выполняется предпосылка 4° МНК и значение
- 3. Автокорреляция определяется как корре-ляционная зависимость между значениями одного показателя, упорядоченными в пространстве или во времени (временные
- 4. Различают положительную и отрица-тельную автокорреляцию. В качестве примера проанализируем мо-дель зависимости спроса на мороженное (по ежемесячным
- 5. После этого будут несколько после-довательных наблюдений, когда при хо-лодной погоде ситуация будет складыва-ться противоположным образом (рис.
- 6. Рис. 1
- 7. Из рисунка видно, что имеются зоны, где наблюдаемые значения оказываются выше объясненного значения (лето) и зоны,
- 8. Отрицательная автокорреляция встречается в тех случаях, когда последовательные наб-людения действуют друг на друга по принци-пу "маятника"
- 9. Рис. 2
- 10. В экономике отрицательная корреляция встречается достаточно редко. Последствия автокорреляции в некоторой степени сходны с последствиями гетеро-скедастичности:
- 11. 2. Обнаружение автокорреляции Для обнаружения автокорреляции в пер-вую очередь можно использовать наиболее простой графический способ. Оценкой
- 12. В соответствии с предпосылками МНК остатки должны быть случайными, что на графике координатной плоскости ( номер
- 13. Рис. 3
- 14. Когда остатки содержат тенденцию (возрастающую (рис. 4) или убывающую) или циклические колебания (рис. 5), то это
- 15. Для обнаружения автокорреляции используют также статистические тесты. Наиболее распространенным является критерий Дарбина-Уотсона. Этот тест используется для
- 16. Это означает, что величина случайного возмущения в любом наблюдении равна его значению в предыдущем наблюдении, умноженному
- 17. Если , то автокорреляция положитель-на, а при - отрицательна. При автокорреляция отсутствует. Критерий Дарбина-Уотсона сводится к
- 18. Нетрудно показать, что для больших выборок справедливо равенство (3) где выборочный коэффициент корреляции между соседними возмущениями,
- 19. Если корреляция отсутствует, то , и согласно выражению (3) величина должна быть близка к 2. При
- 20. Критическое значение статистики зависит от числа факторов модели, от объема выборки и, к сожалению, от конкретных
- 21. Но можно вычислить критическую верхнюю и критическую нижнюю границы для критерия , которые зависят только от
- 22. по формуле (2) или (3) находится фактическое значение ; по специальным таблицам Дарбина-Уотсона определяются значения и
- 23. Рис. 6
- 24. в зависимости от того, в какой интер-вал попадает фактическое значение делается вывод об автокорреляции. Если попадает
- 25. тест проверяет только автокорреляцию первого порядка; тест даёт достоверные результаты только при больших выборках; наличие в
- 26. 3. Оценка коэффициентов при автокорреляции Рассмотрим основной подход к оценке параметров регрессии для случая, когда имеется
- 27. Будем считать автокорреляцию первого порядка (1) и коэффициент корреляции известным. Умножим на него уравнение (5) и
- 28. Сделав замену переменных получим в силу (1) где случайная составляющая, удовлетворяющая предпосылкам МНК. Поэтому оценка параметров
- 29. Отсюда схема метода: преобразовать исходные переменные по формулам (6) для ; применив обычный МНК к уравнению
- 30. записать оценку исходного уравнения Видно, что такой способ преобразования переменных приводит к потере первого наб-людения. Это
- 31. Основная идея метода основывается на зна-нии . Но на практике этот коэффициент неизвестен. Существуют различные методы
- 32. Другой подход, называемый методом Кохрана-Оркатта, представляет следующий итерационный процесс: 1. Оценивается регрессия (4) с исход-ными непреобразованными
- 34. Скачать презентацию