- •В.П. Носко
- •Оглавление
- •Часть 1.Оценивание и подбор моделей связи между переменными без привлечения вероятностно-статистических методов7
- •Часть 2. Статистические выводы при стандартных предположениях о вероятностной структуре ошибок в линейной модели наблюдений85
- •Часть 3.Проверка выполнения стандартных предположений об ошибках в линейной модели наблюдений. Коррекция статистических выводов при нарушении стандартных предположений об ошибках180
- •Предисловие
- •Часть 1. Оценивание и подбор моделей связи между переменными без привлечения вероятностно-статистических методов
- •1.1. Эконометрика и ее связь с экономической теорией
- •1.2. Две переменные: меры изменчивости и связи
- •1.3. Метод наименьших квадратов. Прямолинейный характер связи между двумя экономическими факторами
- •1.4. Свойства выборочной ковариации, выборочной дисперсии и выборочного коэффициента корреляции
- •1.5. «Обратная» модель прямолинейной связи
- •1.6. Пропорциональная связь между переменными
- •1.7. Примеры подбора линейных моделей связи между двумя факторами. Фиктивная линейная связь
- •1.8. Очистка переменных. Частный коэффициент корреляции
- •1.9. Процентное изменение факторов в линейной модели связи
- •1.10. Нелинейная связь между переменными
- •1.11. Пример подбора моделей нелинейной связи, сводящихся к линейной модели.
- •1.12. Линейные модели с несколькими объясняющими переменными
- •Часть 2. Статистические выводы при стандартных предположениях о вероятностной структуре ошибок в линейной модели наблюдений
- •2.1. Вероятностное моделирование ошибок
- •2.2. Гауссовское (нормальное) распределение ошибок в линейной модели наблюдений
- •2.3. Числовые характеристики случайных величин и их свойства
- •2.4. Нормальные линейные модели с несколькими объясняющими переменными
- •2.5. Нормальная множественная регрессия: доверительные интервалы для коэффициентов
- •2.6. Доверительные интервалы для коэффициентов: реальные статистические данные
- •2.7. Проверка статистических гипотез о значениях коэффициентов
- •2.8. Проверка значимости параметров линейной регрессии и подбор модели с использованием f-критериев
- •2.9. Проверка значимости и подбор модели с использованием коэффициентов детерминации. Информационные критерии
- •2.10. Проверка гипотез о значениях коэффициентов: односторонние критерии
- •2.11. Некоторые проблемы, связанные с проверкой гипотез о значениях коэффициентов
- •2.12. Использование оцененной модели для прогнозирования
- •Часть 3. Проверка выполнения стандартных предположений об ошибках в линейной модели наблюдений. Коррекция статистических выводов при нарушении стандартных предположений об ошибках
- •3.1. Проверка адекватности подобранной модели имеющимся статистическим данным: графические методы
- •3.2. Проверка адекватности подобранной модели имеющимся статистическим данным: формальные статистические процедуры
- •3.3. Неадекватность подобранной модели: примеры и последствия
- •3.4. Коррекция статистических выводов при наличии гетероскедастичности (неоднородности дисперсий ошибок)
- •3.5. Коррекция статистических выводов при автокоррелированности ошибок
- •3.6. Коррекция статистических выводов при наличии сезонности. Фиктивные переменные
- •Заключение
- •Список литературы
2.10. Проверка гипотез о значениях коэффициентов: односторонние критерии
Вспомним пример с потреблением текстиля. Мы подобрали линейную модель в логарифмах (с постоянными эластичностями)
(здесь — расходы на личное потребление текстиля,— относительная цена текстиля,- располагаемый доход). В рамках этой модели представляют интерес гипотезыио «единичной эластичности» расходов на потребление текстиля как по доходам, так и по ценам.
Построить критерии с уровнем значимости для проверки этих гипотез можно по той же схеме, по которой строятся критерии проверки гипотез, только теперь для проверки гипотезыследует использовать- статистику
а для проверки гипотезы —- статистику
Каждая из этих статистик, в случае справедливости соответствующей нулевой гипотезы, имеет распределение. Нулевая гипотеза отвергается, если значение- статистики превышает по абсолютной величине значение.
В нашем примере
Таким образом, отклонение значения от гипотетического значениястатистически значимо —гипотезаотвергается. В то же время, отклонение значенияот гипотетического значенияне является статистически значимым, игипотезане отвергается.
Замечание.Из проведенного рассмотрения видна важностьне толькоабсолютных отклоненийоценокот гипотетических значений параметров,но и точностейоценок, измеряемых дисперсиямии оцениваемых величинами. Действительно, абсолютные величины отклонений в рассмотренном примере равны
и ,
соответственно, т. е. отличаются не очень существенно. Однако примерно в 4.3 раза меньше, чем, и именно такое большое отличиеии приводит, в конечном счете,к противоположным решениямв отношении гипотези.
Итак, на основании построенной процедуры гипотеза отвергается. А что же тогда принимается?
Формально, альтернативой для в построенном критерии является гипотеза, поскольку критическое множество содержит в равной степени какбольшие положительные, так и большие (по абсолютной величине)отрицательныезначения- статистики. В то же время, значение, соответствующее отклонению, скорее говоритв пользу того, что в действительности .
В этой связи, естественным представляется более определенный выбор альтернативной гипотезы, а именно, сопоставление нулевой гипотезе односторонней альтернативы (односторонняя альтернатива — в отличие отдвухсторонней альтернативы ). При такой постановке задачи отвержение нулевой гипотезыв пользу альтернативыпроизводится толькопри больших положительных отклонениях, т. е.при больших положительных значениях -статистики. Если мы отнесем к последним значения, превышающие, то получим статистический критерий, у которого ошибка первого рода (уровень значимости) равна. Его критическое множество определяется соотношением
справа стоит теперь значение , а не, как это было при двухсторонней альтернативе. Поскольку у нас, мыотвергаемгипотезув пользу гипотезы.
Построим аналогичную процедуру для параметра . Именно, построим критерий уровнядля проверки гипотезыпротив односторонней альтернативы. Критическое множество такого критерия должно состоять из значений-статистики, превышающих. У нас значение
опять меньше порогового, так что гипотеза не отвергаетсяв пользу.
Обратим теперь внимание на то, что при рассмотрении пары конкурирующих гипотез
мы выделяем в гипотезу только одночастное значение, хотя по-существу дела проблема состоит скорее в выборе между гипотезами
Последняя ситуация коренным образом отличается от предыдущей: оказываетсясложной гипотезой, т. е. гипотезой, допускающейболее одного значения параметра, в данном случае дажебесконечно многозначений параметра. В противоположность этому, в предыдущей ситуации гипотеза былапростой.
Какие осложнения возникают при использовании сложной нулевой гипотезы?
Возьмем, для примера, частную гипотезу . Мы отвергли бы ее в пользупри
В то же время, частную гипотезу мы отвергаем в пользу той жепри
Иначе говоря, при различных частных гипотезах, входящих в состав сложной нулевой гипотезы, мы получаемразличные критические множества, обеспечивающие заданный уровень значимости (ошибку 1-го рода). Построение каждого такого множества непосредственно используетконкретное гипотетическое значение , тогда как в рамках гипотезыотдельноегипотетическое значение параметране конкретизируется.
Возникающее затруднение преодолевается, исходя из следующих соображений. Коль скоро мы не в состоянии построить единое для всехкритическое множество, вероятность попадания в которое равнапри справедливости каждой отдельной частной гипотезы, следует попытаться построить единое для всехкритическое множество, вероятность попадания в которое при выполнении каждойотдельнойчастной гипотезы была быне больше. Такая задача реализуется путем использования критического множества, соответствующего граничномузначению односторонней гипотезы, в данном случае.
Действительно, пусть мы берем критическое множество соответствующее граничной частной гипотезе, так что
Тогда, если в действительности верна частная гипотеза то
Вообще, какая бы частная гипотезани была верна, вероятность отвергнуть ее в рамках указанной процедуры не превысит.
В этом контексте,по-прежнему называетсяуровнем значимости критерия, тогда какпонятие ошибки 1-го рода уже теряет смысл для критерия в целом.Уровень значимостиограничивает сверхуошибки 1-го рода, соответствующиечастным гипотезам, входящим в состав сложной нулевой гипотезы.
Основной вывод из сказанного: при указанном подходе к построению критериев проверки сложных нулевых гипотез вида
(эластичность при
(неэластичность при
(неэластичность при
(эластичность при
против соответствующих односторонних альтернатив можно пользоваться критериями уровня , построенными для работы с теми же альтернативами, но припростых гипотезах соответственно.
Замечание.То же относится и к другим аналогичным парам гипотез, в которых вместо значения 1 берутся другие фиксированные граничные значения.