
- •Кременчуцький державний політехнічний університет
- •К ременчук 2001
- •1. Багатофакторні економетричні моделі
- •1.1 Виробничі функції
- •1.2 Функції витрат
- •1.3 Функції попиту і пропозиції, функції споживання
- •2. Методологія оцінювання параметрів (коефіцієнтів) економетричних моделей
- •2.1 Вимоги до вихідних даних при побудові багатофакторної економетричних моделі
- •2.2 Метод найменших квадратів (мнк)
- •3. Статистична перевірка економетричної моделі
- •3.1 Статистичні характеристики економетричної моделі
- •3.2. Проблеми мультиколінеарності, алгоритм
- •3.3. Стандартна похибка моделі й залежної змінної
- •3.4. Коефіцієнти детермінації і множинної кореляції
- •3.5. Стандартні похибки параметрів
- •3.6. Автокореляція залишків у економетричних моделях
- •3.6.1. Природа автокореляції
- •3.6.2. Наслідки, що викликаються автокореляцією залишків
- •3.6.3. Перевірка існування автокореляції
- •3.6.4. Узагальнений метод найменших квадратів (у.М.Н.К.) або метод Ейткена
- •3.7. Довірчі інтервали регресії і прогнозу
- •4. Типове завдання на тему:
3.6.3. Перевірка існування автокореляції
З попереднього параграфа випливає, що для встановлення відповідності між отриманою моделлю, що задається рівнянням регресії з оціненими за М.Н.К. його коефіцієнтами, і справжньою залежністю обов'язковою є перевірка автокореляції залишків. При перевірці автокореляції досліджується гіпотеза про те, що залишки uj, j = 1; 2; ... ; m, неавтокорельовані, тобто їхня коваріаційна матриця діагональна. Коефіцієнт автокореляції поміж послідовними значеннями uj повинен дорівнювати нулю. Нульова гіпотеза у цьому випадку, Н0: = 0
Якщо Н0 не виконується, то
1) >0 (позитивна автокореляція);
2) <0 (негативна автокореляція).
Дарбін і Уотсон запропонували для вибірок малого обсягу (m<30) оцінку d - статистику
(3.37
)
Її закон розподілу вони досліджували для фіксованого m за наступних умов:
1) залишки uj розподілені нормально;
2) у оцінюваній лінії регресії
міститься
постійний член а0,
тобто
;
3) фактори xj невипадкові величини.
Можна показати [2], що 0<d<4, причому при повній позитивній автокореляції d=0, при негативної d=4, а при d=2 відсутня автокореляція залишків. Для d-статистики знайдені критичні межі, що дозволяють прийняти або відхилити гіпотезу Н0 для рівня значимості.
Позначимо нижню критичну межу d через dL, а верхню через dv. Значення dL і dv залежать від числа вимірів (числа досвідів) m і від числа факторів xi, рівного n. Якщо обчислене за (3.37) d менше 2, причому 0<d<dL, тo залишки uj позитивно корельовані, основна гіпотеза (=0) відхиляється. Якщо dv<d<2 - залишки некорельовані. Якщо dL<d<dv, то відповідь не визначена, для одержання однозначної відповіді треба збільшити число вимірів m.
У випадку, коли d>2, досліджується
на наявність негативної автокореляції
залишків. Якщо 2<d<4-dv,
то з надійністю 1-
немає підстав відхилити гіпотезу про
відсутність автокореляції залишків.
Якщо 4-dv<d<4-d,
то вимагаються додаткові дослідження.
Якщо 4-dL<d<4
то у наявності негативна автокореляція
залишків. Величина
dL, dv
наведені
у таблиці для рівня значимості
= 0,05
Таблиця 1
Критичні значення dL, dv для статистики d
Число спо |
Число факторів рівнянь |
|||||||||
стережень |
n=1 |
n=2 |
n=3 |
n=4 |
n=5 |
|||||
|
dL |
dv |
dL |
dv |
dL |
dv |
dL |
dv |
dL |
dv |
15 |
1,08 |
1,36 |
0,95 |
1,54 |
0,82 |
1,75 |
0,69 |
1,97 |
0,56 |
2,21 |
20 |
1,20 |
1,41 |
1,1 |
1,54 |
1,00 |
1,68 |
0,9 |
1,83 |
0,79 |
1,99 |
25 |
1,29 |
1,45 |
1,21 |
1,55 |
1,12 |
1,66 |
1,04 |
1,77 |
0,95 |
1,89 |
30 |
1,35 |
1,49 |
1,28 |
1,57 |
1,21 |
1,65 |
1,14 |
1,74 |
1,07 |
1,83 |
Якщо критерій Дарбіна-Уотсона не дає відповіді на питання про автокореляцію залишків, то можна застосувати критерій фон Неймана [5] із його статистикою
Q =
(3.38)
Треба зауважити, що цей критерій правомірно застосовується для великих m. Але на відміну від першого критерію він дає однозначну відповідь на питання про автокореляцію залишків і тому з натяжкою можна намагатися його застосовувати у розглянутому випадку.