Артамонов - Введение в эконометрику

Информационный критерий Акаике Для линейной модели ре-

грессии вычисляется показатель AIC (Akaike Information Criteria)

Выбор делается в пользу модель с минимальным показателем AIC. Для небольших выборок иногда предлагают использовать скоррек-

тированный показатель

2m(m + 1)

AICc = AIC + n − m − 1 .

Замечание. В общем случае для произвольной вероятностной модели показатель AIC вычисляется как

AIC = 2m − ln(L),

где L – максимальное значение функции правдоподобия для оцененной модели, а m – число параметров модели.

Байесовский критерий (критерий Шварца) Для линейной мо-

дели регрессии вычисляется показатель BIC (Bayesian Information

Выбор делается в пользу модель с минимальным показателем BIC. Из определения видно, что байесовский критерий дает большийштраф за включение в модель дополнительных факторов, чем по-

казатель AIC.

Замечание. Иногда для байесовского информационного критерия ис-

пользуют обозначение SIC (Shwarz Information Criteria).

201

Литература

[1]Берндт Э., Практика эконометрики. Классика и современность,

М.: Юнити, 2005.

[2]Вербик М., Путеводитель по современной эконометрике, М.: На-

учна книга, 2008.

[3]Магнус Я.Р., Катышев П.К., Пересецкий А.А., Эконометрика.

Начальный курс, М.: Дело, 2007.

[4]Носко В. П., Эконометрика для начинающих, М.: Изд. ИЭПП, 2000

[5]G. E. Box, G. M. Ljung, On a measure of lack of fit in time series models, Biometrica, vol. 65, No 2, pp. 297–303, 1978

[6]T. S. Breusch, A. R. Pagan, A simple test for heteroscedasticity and random coe cient variation Econometrica, vol. 47, No 5, pp. 1287– 1294, 1979.

[7]R. Davidson, J. G. MacKinnon, Several test for model specification in the presence of alternative hypothesis, Econometrica, vol. 49, No 3, pp. 781–793, 1981

[8]R. Davidson, J. G. MacKinnon, Some non-nested hypothesis test and the relations among them, The Review of Economic Studies, vol. 49, No 4, pp.551–565, 1982

[9]R. Davidson, J. G. MacKinnon, Econometric theory and methods, Oxford University Press, USA, 2003

[10]J. Durbin, Testing for serial correlation in least–squares regression when some of the regressors are lagged dependent variables, Econometrica, vol 38., No 3, pp. 410–421, 1970

202

[11]J. Durbin, G. S. Watson, Testing for serial correlation in least squares regression. I, Biometrica, vol. 37, No 3/4, pp. 409–428, 1950

[12]J. Durbin, G. S. Watson, Testing for serial correlation in least squares regression. II, Biometrica, vol. 38, No 1/2, pp. 159–177, 1951

[13]W. Enders, Applied Econometric Time Series, John Wiley & Sons; 2nd edition, 2004

[14]R. Frisch, Editor’s note, Econometrica, vol. 1, pp. 1–4, 1933

[15]J. D. Hamilton, Time series analysis, Princeton University Press, 1994

[16]E. J. Hannan, B. G. Quinn, The Determination of the order of an autoregression, J. of the Royal Statistic Society. Series B, v. 41, No 2, pp.190–195, 1979

[17]S. M. Goldfeld, R. M. Quandt, Some tests for homoscedasticity, Journal of the American Statistical Association, Vol. 60, No.310, pp. 539-547, 1965

[18]L. G. Godfrey, Testing for higher order serial correlation in regression equations when the regressors include lagged dependent variables, Econometrica, vol. 46, No 6, pp. 1303–1310, 1978

[19]L. G. Godfrey, Testing against general autoregressive and moving average error models when the regressors include lagged dependent variables, Econometrica, vol. 46, No 6, pp. 1293–1301, 1978

[20]L. G. Godfrey, On the use of misspecification checks and tests of nonnested hypotheses in empirical econometrics, The Economic Journal, vol. 94, pp. 69–81, 1984

[21]W. J. Greene, Econometric Analysis, Prentice Hall, 6th edition, 2007

[22]G. S. Maddala, Introduction to Econometrics, Second Edition, Macmillian Publishing, 1992

[23]W. K. Newey, K. D. West, A simple, positive, semi-definite, heteroskedasticity and autocorrelation consistent covariance matrix

Econometrica, v.55, No. 3, pp.703–708, 1987

203

[24]J. B. Ramsey, Tests for specification errors in classical linear leastsquares regression analysis, Journal of the Royal Statistical Society. Series B, v.31, No 2, pp.350–371, 1969

[25]G. Shwarz, Estimating the dimension of a model, Ann. Statist, 6, pp.461–464, 1978

[26]J. H. Stock, M. W. Watson, Introduction to Econometrics, Addison Wesley, 2nd edition, 2006

[27]G. Tintner, The Definition of Econometrics, Econometrica, vol. 21, No. 1, pp. 31-40, 1953

[28]H. White, A heteroskedasticity-consisten covariance matrix estimator and a direct test for heteroskedasticity, Econometrica, v. 48, No 4, pp.817–838, 1980.

[29]J. M. Wooldridge, Introductory Econometrics. A modern approach, Forth Edition. 2009

[30]J. M. Wooldridge, Econometric analysis of cross section and panel data, The MIT Press, 2001.

204