Главная страница

Эконометрика. эконометрика-4,1+вар._3.11. Задача 1 7 Задача 2 18 Заключение 24 Список литературы 24 Введение


Скачать 111.21 Kb.
НазваниеЗадача 1 7 Задача 2 18 Заключение 24 Список литературы 24 Введение
АнкорЭконометрика
Дата01.12.2022
Размер111.21 Kb.
Формат файлаdocx
Имя файлаэконометрика-4,1+вар._3.11.docx
ТипЗадача
#822497
страница3 из 4
1   2   3   4
отсутствует.

Для более надежного вывода целесообразно обращаться к табличным значениям.

По таблице Дарбина-Уотсона для n=12 и k=1 (уровень значимости 5%) находим: d1 = 1.08; d2 = 1.36.

Поскольку 1.08 < 2.42 и 1.36 < 2.42 < 4 - 1.36, то автокорреляция остатков отсутствует.

Проверка наличия гетероскедастичности.

1) Методом графического анализа остатков.

В этом случае по оси абсцисс откладываются значения объясняющей переменной X, а по оси ординат либо отклонения ei, либо их квадраты ei2.

Если имеется определенная связь между отклонениями, то гетероскедастичность имеет место. Отсутствие зависимости скорее всего будет свидетельствовать об отсутствии гетероскедастичности.

2) При помощи теста ранговой корреляции Спирмена.

Коэффициент ранговой корреляции Спирмена.

Присвоим ранги признаку |ei| и фактору X.

X

|ei|

ранг X, dx

ранг |ei|, dy

23

9.019

1

11

38

2.479

4

5

24

1.15

2

2

44

1.463

6

3

52

10.892

9

12

85

6.52

12

9

29

3.997

3

7

48

8.214

7

10

42

4.802

5

8

52

1.892

9

4

49

2.616

8

6

63

0.755

11

1


Так как в матрице имеются связанные ранги (одинаковый ранговый номер) 1-го ряда, произведем их переформирование. Переформирование рангов производиться без изменения важности ранга, то есть между ранговыми номерами должны сохраниться соответствующие соотношения (больше, меньше или равно). Также не рекомендуется ставить ранг выше 1 и ниже значения равного количеству параметров (в данном случае n = 12). Переформирование рангов производится в табл.

Номера мест в упорядоченном ряду

Расположение факторов по оценке эксперта

Новые ранги

1

1

1

2

2

2

3

3

3

4

4

4

5

5

5

6

6

6

7

7

7

8

8

8

9

9

9.5

10

9

9.5

11

11

11

12

12

12


Матрица рангов.

ранг X, dx

ранг |ei|, dy

(dx - dy)2

1

11

100

4

5

1

2

2

0

6

3

9

9.5

12

6.25

12

9

9

3

7

16

7

10

9

5

8

9

9.5

4

30.25

8

6

4

11

1

100

78

78

293.5


Проверка правильности составления матрицы на основе исчисления контрольной суммы:
Сумма по столбцам матрицы равны между собой и контрольной суммы, значит, матрица составлена правильно.

Поскольку среди значений признаков х и у встречается несколько одинаковых, т.е. образуются связанные ранги, то в таком случае коэффициент Спирмена вычисляется как:
где

j - номера связок по порядку для признака х;

Аj - число одинаковых рангов в j-й связке по х;

k - номера связок по порядку для признака у;

Вk - число одинаковых рангов в k-й связке по у.

A = [(23-2)]/12 = 0.5

D = A + B = 0.5
Связь между признаком |ei| и фактором X слабая и обратная

Оценка коэффициента ранговой корреляции Спирмена.

Значимость коэффициента ранговой корреляции Спирмена

Для того чтобы при уровне значимости α проверить нулевую гипотезу о равенстве нулю генерального коэффициента ранговой корреляции Спирмена при конкурирующей гипотезе Hi. p ≠ 0, надо вычислить критическую точку:
где n - объем выборки; p - выборочный коэффициент ранговой корреляции Спирмена: t(α, к) - критическая точка двусторонней критической области, которую находят по таблице критических точек распределения Стьюдента, по уровню значимости α и числу степеней свободы k = n-2.

Если |p| < Тkp - нет оснований отвергнуть нулевую гипотезу. Ранговая корреляционная связь между качественными признаками не значима. Если |p| > Tkp - нулевую гипотезу отвергают. Между качественными признаками существует значимая ранговая корреляционная связь.

По таблице Стьюдента находим t(α/2, k) = (0.05/2;10) = 2.634
Поскольку Tkp > p, то принимаем гипотезу о равенстве 0 коэффициента ранговой корреляции Спирмена. Другими словами, коэффициент ранговой корреляции статистически - не значим и ранговая корреляционная связь между оценками по двум тестам незначимая.

Проверим гипотезу H0: гетероскедастичность отсутствует.

Поскольку 2.634 > 0.83, то гипотеза об отсутствии гетероскедастичности принимается.

3. Тест Голдфелда-Квандта.

В данном случае предполагается, что стандартное отклонение σi = σ(εi) пропорционально значению xi переменной X в этом наблюдении, т.е. σ2i = σ2x2i , i = 1,2,…,n.

Тест Голдфелда-Квандта состоит в следующем:

1. Все n наблюдений упорядочиваются по величине X.

2. Вся упорядоченная выборка после этого разбивается на три подвыборки размерностей k,(n-2k),k.

3. Оцениваются отдельные регрессии для первой подвыборки (k первых наблюдений) и для третьей подвыборки (k последних наблюдений).

4. Для сравнения соответствующих дисперсий строится соответствующая F-статистика:

F = S3/S1

Построенная F-статистика имеет распределение Фишера с числом степеней свободы v1 = v2 = (n – c - 2m)/2.

5. Если F > Fkp, то гипотеза об отсутствии гетероскедастичности отклоняется.

Этот же тест может использоваться при предположении об обратной пропорциональности между σi и значениями объясняющей переменной. При этом статистика Фишера имеет вид:

F = S1/S3

1. Упорядочим все значения по величине X.

2. Находим размер подвыборки k = (12 - 3)/2 = 5.

где c = 4n/15 = 4*12/15 = 3

3. Оценим регрессию для первой подвыборки.

Находим параметры уравнения методом наименьших квадратов.

Система уравнений МНК:

a0n + a1∑x = ∑y

a0∑x + a1∑x2 = ∑y•x

Для наших данных система уравнений имеет вид:

5a0 + 156a1 = 152

156a0 + 5154a1 = 4682

Из первого уравнения выражаем а0 и подставим во второе уравнение

Получаем a0 = -0.21, a1 = 36.97

x

y

x2

y2

x*y

y(x)

(y-y(x))2

23

25

529

625

575

32.127

50.793

24

35

576

1225

840

31.916

9.509

29

37

841

1369

1073

30.863

37.659

38

29

1444

841

1102

28.968

0.00103

42

26

1764

676

1092

28.126

4.518

156

152

5154

4736

4682

152

102.48


Здесь S1 = 102.48

Оценим регрессию для третьей подвыборки.

Находим параметры уравнения методом наименьших квадратов.

Система уравнений МНК:

a0n + a1∑x = ∑y

a0∑x + a1∑x2 = ∑y•x

Для наших данных система уравнений имеет вид:

5a0 + 301a1 = 143

301a0 + 19003a1 = 8224

Из первого уравнения выражаем а0 и подставим во второе уравнение

Получаем a0 = -0.44, a1 = 54.83

x

y

x2

y2

x*y

y(x)

(y-y(x))2

49

27

2401

729

1323

33.479

41.982

52

40

2704

1600

2080

32.172

61.271

52

31

2704

961

1612

32.172

1.375

63

28

3969

784

1764

27.38

0.384

85

17

7225

289

1445

17.796

0.633

301

143

19003

4363

8224

143

105.645


Здесь S3 = 105.65

Число степеней свободы v1 = v2 = (n – c - 2m)/2 = (12 - 3 - 2*1)/2 = 3.5

Fkp(3.5,3.5) = 7.71

Строим F-статистику:

F = 105.65/102.48 = 1.03

Поскольку F < Fkp = 7.71, то гипотеза об отсутствии гетероскедастичности принимается.
1   2   3   4


написать администратору сайта