46. Последствия гетероскедастичности. Тест Голдфелда-Квандта.

Последствия: истинная гетеро-ть не приводит к смещению оценок коэффициентов регрессии; гетеро-ть увеличивает дисперсию распределения оценок коэффициентов; гетеро-ть вызывает тенденцию к недооценке стандартных ошибок коэффициентов при использовании МНК.

Тест Г-К позволяет проконтролировать равенство дисперсий случайных возмущений.

Алгоритм теста:

1. сформировать служебную переменную p_i=|x_1i|+|x_2i|+…+|x_ki|

2. упорядочить уравнения наблюдений в порядке возрастания переменной p_i

3. разбить полученные уравнения примерно на 3 равные части

4. оценить модели по первой и последней частям уравнений наблюдений и вычислить для них ESS (дисперсии)

5. вычислить статистики GQ=ESS1/ESS2 и GQ^-1

6. найти значение Fкрит (через функцию FРАСПОБР)

7. сравнить полученные статистики с Fкрит. Если GQ<= Fкрит и GQ^-1<=Fкрит, то остаток в модели гомо-чен.

47. Предпосылки метода наименьших квадратов

При оценке параметров уравнения регрессии применяется МНК. При этом делаются определенные предпосылки относительно составляющей , которая представляет собой в уравнении ненаблюдаемую величину.

Исследования остатков ε_i предпол-ют проверку наличия сле­дующих 5 предпосылок МНК:

1) случайный характер остатков. С этой целью строится график отклонения остатков от теоретических значений признака. Если на графике получена горизонтальная полоса, то остатки представляют собой случайные величины и применение МНК оправдано. В других случаях необходимо применить либо другую функцию, либо вводить дополнительную информацию и заново строить уравнение регрессии до тех пор, пока остатки не будут случайными величинами.

2) нулевая средняя величина остатков, т.е. , не зависящая от х_i. Это выполнимо для линейных моделей и моделей, нелинейных относительно вклю­чаемых переменных. С этой целью наряду с изложенным графиком зависимости остатков ε_i от теоретических значений ре­зультативного признака у_x строится график зависимости случай­ных остатков ε_i от факторов, включенных в регрессию х_i. Если остатки на графике расположены в виде горизонтальной полосы, то они независимы от значений x_j. Если же график показывает наличие зависимости ε_i и x_j то модель неадек­ватна. Причины неадекватности могут быть разные.

3) Гомоскедастичность - дисперсия каждого отклонения ε_i одинакова для всех значений x_j. Если это условие применения МНК не соблюдается, то имеет место гетеро-сть. Наличие гетеро-сти можно наглядно видеть из поля корреляции.

4) Отсутствие автокорреляции остатков. Значения остатков ε_i распределены независимо друг от друга. Автокорреляция остатков означает наличие корреляции между остатками текущих и предыдущих наблюдений. Отсутствие автокорреляции остаточных величин обеспечива­ет состоятельность и эффективность оценок коэффициентов ре­грессии.

5) Остатки подчиняются нормальному распределению.

В тех случаях, когда все пять предпосылок выполняются, оценки, полученные по МНК и методу максимального правдоподобия, совпадают между собой. Если распределение случайных остатков ε_i не соответствует некоторым предпосылкам МНК, то следует корректировать модель, изменить ее спецификацию, добавить (исключить) некоторые факторы, преобразовать исходные данные, что в конечном итоге позволяет получить оценки коэффициентов регрессии aj, которые обладают свойством несмещаемости, имеют меньшее значение дисперсии остатков, и в связи с этим более эффективную статистическую проверку значимости параметров регрессии.