35 Моделирование тенденции временного ряда. 35 Моделирование тенденции временного ряда
![]()
|
Метод Гольдфельда-Квандта проверки гипотезы гомоскедастичностиСреди основных предположений регрессионного анализа важную роль играет предположение гомоскедастичности, которое заключается в равенстве дисперсий наблюдений: ![]() Возможны различные нарушения этого предположения в рамках парной регрессии. Одно из распространенных нарушений связано с тем, что дисперсия наблюдения может возрастать вместе с ростом значения фактора (объясняющей переменной): так, например, если ![]() ![]() Обнаружение этого нарушения может быть осуществлено с помощью критерия Гольдфельда-Квандта. Кратко применение критерия можно описать следующим образом:
4) вычислим статистику ![]() ![]() ![]() ![]() Найдем табличное значение ![]() ![]() По значению вычисленной статистики ![]() 1) Если ![]() ![]() 2) Если ![]() ![]() 27 Гомоскедастичность остатков регрессионной функции. Гетероскедастичность остатков регрессионной функции. Дисперсия - среднее арифметическое из квадратов отклонений наблюденных значений (x1, x2,...,xn) случайной величины от их среднего арифметического.Гомоскедастичностьостатков означает, что для каждого значения фактора xj остатки ![]() ![]() а— дисперсия остатков растет по мере увеличения х; б —дисперсия остатков достигает максимальной величины при средних значениях переменной хи уменьшается при минимальных и максимальных значениях х; в —максимальная дисперсия остатков при малых значениях х и дисперсия остатков однородна по мере увеличения значений х. Наличие гомоскедастичности или гетероскедастичности можно видеть и по графику зависимости остатков ![]() ![]() Бо ![]() ![]() ![]() Гетероскедастичность будет сказываться на уменьшении эффективности оценок ![]() ![]() ![]() ![]() При этом величина ![]() ![]() ![]() ![]() При минимизации этой суммы квадратов отдельные ее слагаемые взвешиваются: наблюдениям с наибольшей дисперсией придается пропорционально меньший вес. Задача состоит в том, чтобы определить величину ![]() При малом объеме выборки для оценки нарушения гомоскедастичности можно использовать метод Гольдфельда-Квандта, который включает: 1.Упорядочение наблюдений n по мере возрастания переменной х. 2. Исключения из рассмотрения центральных наблюдений C; при этом ![]() 3. Разделение совокупности ![]() 4. Определение остаточной суммы квадратов для обеих групп ![]() ![]() ![]() ![]() 26 Предпосылки метода наименьших квадратов. При оценке параметров уравнения регрессии применяется МНК. При этом делаются определенные предпосылки относительно составляющей ![]() ![]() ![]() Исследования остатков ![]() 1) случайный характер остатков. С этой целью строится график отклонения остатков от теоретических значений признака. Если на графике получена горизонтальная полоса, то остатки представляют собой случайные величины и применение МНК оправдано. В других случаях необходимо применить либо другую функцию, либо вводить дополнительную информацию и заново строить уравнение регрессии до тех пор, пока остатки не будут случайными величинами. 2) нулевая средняя величина остатков, т.е. ![]() ![]() ![]() ![]() 3.Гомоскедастичность— дисперсия каждого отклонения ![]() 4. Отсутствие автокорреляции остатков. Значения остатков ![]() 5. Остатки подчиняются нормальному распределению. В тех случаях, когда все пять предпосылок выполняются, оценки, полученные по МНК и методу максимального правдоподобия, совпадают между собой. Если распределение случайных остатков ![]() 25 фиктивные переменные во множественной регрессии при построении уравнения множественной регрессии может оказаться необходимым включение в модель фактора, имеющего 2 и более качественного уровня. Например, это атрибутивные признаки – пол, профессия, образование, климатические условия и т.д. чтобы ввести такие переменные в регрессионную модель им присваиваются цифровые метки, т.е. качественные переменные преобразуются в количественные. Такого вида структурированные переменные называются фиктивные. Пример, по группе Х м и ж пола изучается линейная зависимость потребления кофе от цены, у- потребление кофе, х – цена. Y=a+bx; y1=a1+b1x+E1-Mужчины, y2=a2+b2x+E2-женщины. Из этих 2 уравнений нужно получить 1 уравнение. Y=a1z1+a2z2+bx+E Z1= ![]() ![]() В отдельном случае, может оказаться необходимость введения 2 и более фиктивных переменных, тогда модель представляет собой сумму y=a1z1+a2z2+a2s3+a4s4+bx+E Фиктивные переменные для оценки сезонных различий потреблений. Фиктивные переменные могут вводиться не только в линейные, но и не в линейные модели, но приводимые к линейным с помощью некоторых преобразований. 21. основные элементы временных рядов Построить эконометрическую модель можно, используя 2 типа данных: 1. данные, характеризуют совокупность объектов в определенный момент или период времени. 2. данные, характеризующие один объект за несколько последовательных моментов или периодов времени. Модели, построенные по данным первого типа, называются пространственными моделями. модели, построенные по данным 2 типа, называются моделями временных рядов. Временной ряд- совокупность значений какого-либо показателя за несколько моментов или периодов времени. Каждый уровень временного ряда формируется под воздействием большого числа факторов, которые условно можно разделить на 3 группы: 1. факторы, формирующие тенденцию ряда. 2. фактора, формирующие циклические колебания ряда. 3. случайные факторы. При различных состояниях изучаемого явления этих факторов зависимость уровня ряда от времени может быть различие. Во-первых, большинство временных рядов экономических показателей имеет тенденцию, характеризующую совокупное долговременное воздействие множества факторов на исследуемый показатель. Во-вторых, изучаемый показатель может быть подвержен циклическим колебаниям. Эти колебания могут носить сезонный характер, т.к. экономическая деятельность ряда отраслей экономики зависит от времени года. Некоторое временные ряды не содержат тенденции и циклические компоненты. А их каждый следующий уровень образуется как сумма следующего уровня ряда и некоторого положительной или отрицательной компоненты. В большинстве случаев фактический уровень временного ряда может представлять собой сумму или произведение трендовой, циклической и случайной компонент. Модель, в которой временной ряд представлен как сумма перечисленных компонент называется аддитивной. Модель, в которой временной ряд представляет собой произведение 3 компонент называется мультипликативной. Основные компоненты временного ряда. ![]() Тенденция циклическая случайная Основная задача эконометрического исследования временных рядов- выявление и предание количественного выражения каждой из перечисленных компонент с тем, чтобы использовать полученную информацию для прогнозирования будущих значений ряда. 22 частная корреляция частные индексы корреляции характеризуют тесноту связи исследуемого признака и одним из факторов при устранении влияния остальных факторов, включенных в модель. Эти показатели представляют собой отношение сокращения остаточной дисперсии за счет включения доп. Факторов. Если рассматриваемая регрессия с числом факторов Р, то возможны коэффициенты корреляции первого, второго и т.д. Р-1 порядков, т.е. пример: действие влияния Х1 можно оценить при разных условиях независимого действия др. факторов: ryx1x2 при постоянном действии фактора Х2, ryx1x2x3 при постоянном действии факторов Х2 и Х3. формула в общем виде имеет вид: ![]() |