- •1. Оцінка параметрів лінійної регресії методом найменших квадратів
- •2.Коефіцієнти кореляції та детермінації
- •3. Властивості оцінок параметрів лінійної регресії
- •2.1. Ознаки мультиколінеарності
- •Високе значення парних коефіцієнтів кореляції між незалежними змінними.
- •12. Параметричний тест Голдфелда-Квондта
- •Алгоритм тесту
- •15. Алгоритм тесту Дарбіна - Уотсона
15. Алгоритм тесту Дарбіна - Уотсона
Крок 1. Виходячи з відсутності автокореляії залишків на основі 1 МНК будується економетрична модель і обчислюються її залишки .
Крок 2. Розраховується статистика (критерій) Дарбіна-Уотсона за наступною залежністю :
. ( 8 )
Крок 3. Задаючись рівнем значимості , для числа факторів моделі m і числа спостережень n за статистичними таблицями DW - розподілу Дарбіна-Уотсона визначаються два значення dL , і dU.
Крок 4. Будуються зони автокореляціонного зв’язку ,які схематично можна представити у наступному вигляді :
Зона
невизна-
ченості
Зона
невизна-
ченості
Негативна
автокореляція
Автокореляція
відсутня
Позитивна
автокореляція
dU
dL
0
2
4
4- dL
4- dU
Рис. 2. Зони автокореляційного зв’язку
Крок 5. На основі розрахункового значення критерію DW робиться висновок про наявність або відсутність автокореляції залишків :
якщо - це свідчить про наявність позитивної автокореляції залишків ;
якщо - це свідчить про наявність негативної автокореляції залишків;
якщо - неможливо зробити висновок ні про наявність ні про відсутність автокореляції залишків ;
якщо - автокореляція залишків відсутня .
16. Для оцінювання параметрів економетричних моделей з автокорельованими залишками в основному використовуються наступні методи:
метод Ейткена (УМНК) ;
метод перетворення вихідної інформації ;
метод Кочрена – Оркатта ;
метод Дарбіна .
Перші два методи використовуються у випадку, коли залишки задовольняють авторегресійній схемі першого порядку, третій і четвертий можна застосовувати тоді, коли залишки описуються авторегресійною схемою вищого порядку.
Метод Ейткена, як і випадку гетероскедастичності, базується на скоригованих вихідних даних з урахуванням коваріації залишків. Оператор оцінювання параметрів моделі має при цьому такий самий вигляд, як і випадку гетероскедастичності :
.
Матриця S формується на основі попередньо обчислених залишків моделі, параметри якої оцінені 1 МНК.
Перевірка якості і статистичної значимості економетричної моделі з автокорельованими залишками виконується так само, як і у випадку гетероскедастичності.
Найкращий незміщений лінійний точковий прогноз у випадку автокореляції залишків обчислюється за наступною залежністю :
,
де: B – вектор оцінок параметрів моделі, отриманих узагальненим методом найменших квадратів (УМНК); ρ – параметр з матриці S ; - залишок в останньому спостережені, обчислений для моделі, параметри якої оцінені на основі УМНК; - вектор прогнозних значень пояснюючих змінних моделі.
Інтервальні прогнози у випадку автокореляції залишків обчислюються за такими ж самими залежностями, як і у випадку гетероскедастачності.
Як і у випадку гетероскедастичності параметри економетричної моделі з автокорельованими залишками необхідно обчислювати двічі.
Спочатку це робиться на основі 1 МНК і отримані при цьому оцінки і рівняння регресії використовуються тільки для обчислення вектору залишків. Цей вектор залишків у подальшому використовується для тестування моделі на автокореляцію залишків, побудови корегуючої матриці S і частково для верифікації моделі (визначення величин SST, SSR і SSE).
Другий раз це робиться на основі методу Ейткена, який дає BLUE – оцінки параметрів моделі. Ці оцінки і відповідне рівняння регресії використовуються у подальшому при поданні моделі, верифікації моделі, економіко-математичному аналізі і прогнозуванні.