44. Визначення автокореляції залишків.

Автокорреляция – это взаимосвязь последовательных элементов временного или пространственного ряда данных.

В эконометрических моделях особое значение имеет автокорреляция остатков. Вспомним вторую гипотезу применения МНК

,

это означает, что ковариации между остатками эконометрической модели отсутствуют, а дисперсия есть постоянной для всех наблюдений.

В эконометрических исследованиях часто возникают такие ситуации, когда дисперсия остатков постоянна, но наблюдается их ковариация. Это явление называется автокорреляцией остатков.

Автокорреляция может быть следствием ошибочной спецификации эконометрической модели. Кроме этого, наличие автокорреляции остатков может означать, что нужно ввести в модель новую независимую переменную.

Если существует корреляция между последовательными значениями некоторой независимой переменной, то наблюдается и корреляция последовательных значений остатков.

Автокорреляция остатков представляет собой важную проблему при выборе метода оценивания и верификации эконометрических моделей.

45. Визначення значущості моделі та коефіцієнтів регресії.

Проверка значимости коэффициентов регрессии

Проверка значимости коэффициентов регрессии означает проверку гипотезы об отсутствии связи между результативным и каждым из факторных признаков. Такая гипотеза означает, что ненулевые значения регрессионных коэффициентов обусловлены лишь случайностями выборки, а в генеральной совокупности все коэффициенты этого уравнения равны нулю.

Проверка значимости коэффициентов регрессии

•  Для проверки значимости каждого коэффициента регрессии вычисляется t -статистика, которая показывает, во сколько раз этот коэффициент превышает свою среднюю ошибку в выборке.

•  Соответствующая величина p (уровень значимости или вероятность ошибки) измеряет вероятность случайного появления в выборке значений t , равных или больших, чем данное значение.

Проверка значимости коэффициентов регрессии

•  Если вероятность p меньше выбранного уровня значимости (по умолчанию 5% или 0,05), соответствующий коэффициент регрессии является статистически значимым .

•  Если вероятность p больше выбранного уровня значимости , соответствующий коэффициент регрессии является статистически незначимым .

Проверка значимости коэффициентов регрессии

•  Чем больше по абсолютной величине значение t , тем меньше соответствующая вероятность p .

•  Например, величина t для коэффициентов, значимых на уровне 5%, больше 2 по модулю .

Проверка значимости коэффициентов регрессии

•  Проверка значимости коэффициентов регрессии важна потому, что коэффициенты регрессии, в отличие от коэффициентов корреляции, не имеют максимальных и минимальных значений и их величины зависят от единиц измерения соответствующих признаков.

•  Значит, сама по себе величина коэффициента регрессии никак не определяет силу влияния фактора на результат.

Проверка значимости коэффициентов регрессии

•  Например, существенным в модели может оказаться и небольшой коэффициент регрессии, если этот коэффициент значимый.

•  Если же коэффициент незначимый, то независимо от его величины следует считать, что соответствующий фактор не оказывает реального влияния на результативный признак.