
- •Тема 5. Трудности эконометрических исследований План лекции
- •1. Мультиколлинеарность и ее влияние на оценки параметров модели
- •Совершенная мультиколлинеарность
- •Несовершенная мультиколлинеарность
- •План действий
- •Наиболее характерные признаки мультиколлинеарности:
- •Методы, которые могут быть использованы для смягчения мультиколлинеарности, делятся на две категории:
- •Теоретические ограничения
- •Внешние эмпирические оценки
- •2. Гетероскедастичность и ее влияние на свойства оценок параметров модели Понятие гетероскедастичности
- •Отрицательные последствия гетероскедастичности ошибок
- •Причины возникновения гетероскедастичности
- •Метод взвешенных наименьших квадратов (Взвешенный мнк)
- •Предпосылки к выбору весов
- •Замечание
- •Обобщенный метод наименьших квадратов (метод Эйткена)
- •Обнаружение гетероскедастичности
- •Обнаружение гетероскедастичности на основе графического анализа остатков
- •3. Автокорреляция остатков
- •Закономерности поведения последовательных отклонений
- •Тест Дарбина-Уотсона на наличие или отсутствие автокорреляции
- •Как в общем случае выглядят примерно критические величины статистики dw?
Как в общем случае выглядят примерно критические величины статистики dw?
Если DW-статистика находится приблизительно между 1,2-1,3 и 2,7-2,8, мы можем считать, что статистически значимая автокорреляция остатков отсутствует. В промежуточном случае достаточно надежный вывод сделан быть не может.
Обобщая, можно считать, что если статистика Дарбина-Уотсона попадает в интервал 1,5÷2,5, мы хотя и не можем быть абсолютно уверены, что отклонения от линии регрессии взаимно независимы, но обычно удовлетворяемся этим в проверке их независимости.
Итак, важной проблемой при оценивании регрессии является автокорреляция остатков , которая говорит об отсутствии первоначально предполагавшейся их взаимной независимости. Автокорреляция остатков первого порядка, выявляемая с помощью статистики Дарбина-Уотсона, говорит о неверной спецификации уравнения либо о наличии неучтенных факторов.
В случае наличия автокорреляции остатков полученная формула регрессии считается обычно неудовлетворительной. Взглянув на график поведения остатков , для ее устранения нужно попытаться:
выбрать более адекватную формулу зависимости, т.е. поискать другую (нелинейную) формулу;
отыскать и включить важные неучтенные до этого факторы;
уточнить период оценивания регрессии или разбить его на части;
применить к данным уменьшающее автокорреляцию остатков преобразование (например, автокорреляционное преобразование или метод скользящих средних).
В некоторых случаях, однако, это не даст результата, а отклонения просто связаны авторегрессионной зависимостью.