28.Обнаружение и устранение автокор-ции.

1)графич-ий метод-по оси абсцисс откладывают время получения стат.данных,либопорядк.№ набл-ния,а по оси ординат отклонения.Отсутст-вие завис-ти скорее всего свид-ет об отсутствии автокор-ции.

2)Тест Дарбина-Уотсона-критерий оценки основан на решающей функции

На основании статистики d можно сделать след.выводы:

а)если d=0,то r=1 (r-выборочный коэф-т автокор-ции-полож-аяавтокор-ция)

б)если d=4,то оценка к-та автокор-цииr= -1-отрицат-ая автокор-ция.

в)промежут.знач-ие ф-цииd=2 позв-ет судить об отсутствии автокор-ции.

Устранение автокор-ции:

Т.к.автокор-ция вызывается неправ-й спецификацией модели,тонеобх-мо прежде всего, скорректировать саму модель.

Возможно,автокорр-ция вызвана отсутст-вием в модели некоторой важной объясняющей переменной.

Следует попытаться опр-ть данный фактор и учесть его в ур-нии регрессии.

Также можно попроб-ать изменить ф-лу зависимости.

29.Мультиколлинеарность,ее последствия и причины устранения.

Если в модель включаются 2 и более тесно взаимосвяз-ых ф-ров, то наряду с уравнением регрессии появл-тся и др.зависимость.

Мультикол-сть-тесная зависимость между факторными признаками,включенными в модель.Она искажает величину коэф-тов регрессии и затрудняет их экономич. Интерпритацию.

Причины возникновения:

1)изучаемые факторные признаки характеризуют одну и ту же сторону явления или процесса(показатели обьема произведенной продукции)

2)использ-ние в кач-ве факторных признаков величин,суммарное значение кот. Предст.собойпостоянн.величину.

3)факторные признаки,являющиеся элементами др.друга (затраты на пр-во, с/, ед-цы продукции)

4)факторные признаки,поэкономич-ому смыслу дублирующие др.друга(прибыль,рентабельность)

Последствия:

Большие дисперсии оценок.

Уменьшается t-статистики коэф-тов, что может принести к неоправданному выводу о существенности влияния соответствующей объясняющей переменной на зависимую переменную.

Оценки коэф-тов по МНК и их стандартные ошибки становятся очень чувствительными к малейшим изменениям данных.

Затрудняется определение вклада каждой из объясняющей переменной (объясняемую уравнением регрессии) дисперсию зависимой переменной.

30.Определение мультиколл-сти и методы ее устранения.

Способы определения:

1)анализ матрицы коэф-тов парной корреляции.Ф-ры и могут быть признаны коллинеарными если ›0.8

2) исслед-ниематрицыx'x. Если определитель этой атрицы близок к 0,то это свидетельствует о наличии мультиколл-сти.

3)коэф-т детерминации достаточно высок,но некоторые из коэф-тов регрессии статистически незначимы,т.е. имеют низкие t-статистики.

4)высокие частные коэф-ты корреляции.

Методы устранения:

1)сравнения значений линейных коэф-тов корреляции

2)метод включения ф-ров.(метод пошаговой регрессии)

В модель включаются ф-ры по одному, в определеннойпоследоват-сти.

3)метод исключения ф-ров. В модель включаются все ф-ры.Затем после постороенияуравн-ния регрессии из модели исключают ф-р,коэф-т при кот. Незначим и имеет наименьшее знач-ниеt-критерия.Получают новое уравнение регрессии и снова проводят оценку значимости всех оставшихся коэф-товрегресссии.

4)получение дополнит-ых данных или новой выборки. При др. выборке мультикол-сти не будет либо она не будет столь серьезной.Иногда для уменьшения мультикол-сти достаточно увеличить объем выборки.

5)изменение спецификации модели.Либоизменятеся форма модели, либо добавляютя объясняющие переменные,неучтенные в первонач-ной модели,но существ-но влияющие на зависимую переменную.