Ответы на экзаменационные билеты по эконометрике
Шрифт:
Выдвигается основная гипотеза о незначимости коэффициента автокорреляции первого порядка:
H0: 1=0.
Обратная или конкурирующая гипотеза состоит в утверждении о значимости коэффициента автокорреляции:
H0: 1/=0.
Проверка выдвинутых гипотез осуществляется с помощью критерия Дарбина-Уотсона.
Наблюдаемое значение критерия Дарбина-Уотсона (вычисленное на основе выборочных данных) сравнивают с критическим значением критерия Дарбина-Уотсона, которое определяется по специальным таблицам.
Критическое значение критерия Дарбина-Уотсона определяется
Наблюдаемое значение критерия Дарбина-Уотсона при проверке основной гипотезы вида H0: 1=0 определяется по формуле:
где et – остатки модели регрессии в наблюдении t, определяемые по формуле:
et-1 – остатки модели регрессии в наблюдении t-1, определяемые по формуле:
Приближённое значение величины критерия Дарбина-Уотсона можно также рассчитать по формуле:
dнабл2(1-r1),
где r1 – выборочный коэффициент автокорреляции первого порядка. В зависимости от величины данного коэффициента, наблюдаемое значение критерия Дарбина-Уотсона определяется следующим образом:
1) если r1=0, то dнабл=2;
2) если r1=+1, то dнабл=0;
3) если r1=-1, то dнабл=4.
Если коэффициент автокорреляции является положительной величиной, то при проверке гипотез возможно возникновение следующих ситуаций.
Если наблюдаемое значение критерия Дарбина-Уотсона меньше критического значения его нижней границы, т. е. dнабл‹d1, то основная гипотеза об отсутствии автокорреляции первого порядка между остатками модели регрессии отклоняется.
Если наблюдаемое значение критерия Дарбина-Уотсона больше критического значения его верхней границы, т. е. dнабл>d2, то основная гипотеза об отсутствии автокорреляции первого порядка между остатками модели регрессии принимается.
Если наблюдаемое значение критерия Дарбина-Уотсона находится между верхней и нижней критическими границами, т. е. d1< dнабл< d2, то достаточных оснований для принятия единственно правильного решения нет, необходимы дополнительные исследования.
Если коэффициент автокорреляции является отрицательной величиной, то при проверке гипотез возможно возникновение следующих ситуаций.
Если наблюдаемое значение критерия
Если наблюдаемое значение критерия Дарбина-Уотсона меньше критической величины 4 – d2, т. е. dнабл‹4 – d2, то основная гипотеза об отсутствии автокорреляции первого порядка между остатками модели регрессии принимается.
Если наблюдаемое значение критерия Дарбина-Уотсона находится в критическом интервале между величинами 4 – d1 и 4– d2, т.е. 4 – d1< dнабл<4 – d2, , то достаточных оснований для принятия единственно правильного решения нет, необходимы дополнительные исследования.
63. Устранение автокорреляции остатков модели регрессии
В связи с тем, что наличие в модели регрессии автокорреляции между остатками модели может привести к негативным результатам всего процесса оценивания неизвестных коэффициентов модели, автокорреляция остатков должна быть устранена.
Устранить автокорреляцию остатков модели регрессии можно с помощью включения в модель автокорреляционного параметра, однако на практике данный подход реализовать весьма затруднительно, потому что оценка коэффициента автокорреляции является величиной заранее неизвестной.
Авторегрессионной схемой первого порядка называется метод устранения автокорреляции первого порядка между соседними членами остаточного ряда в линейных моделях регрессии либо моделях регрессии, которые можно привести к линейному виду.
На практике применение авторегрессионной схемы первого порядка требует априорного знания величины коэффициента автокорреляции. Однако в связи с тем, что величина данного коэффициента заранее неизвестна, в качестве его оценки рассчитывается выборочный коэффициент остатков первого порядка 1.
Выборочный коэффициент остатков первого порядка 1 рассчитывается по формуле:
В общем случае коэффициент автокорреляции порядка l рассчитывается по формуле:
где l – временной лаг;
T – число наблюдений;
t – момент времени, в который осуществлялось наблюдение;
– среднее значение исходного временного ряда.
Предположим, что на основе собранных наблюдений была построена линейная парная модель регрессии:
yt=0+1xt+t.(1)
Рассмотрим применение авторегрессионной схемы первого порядка на примере данной модели.