Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Автокорреляция случайного возмущения

Автокорреляция случайных возмущений означает наличие корреляции между остатками текущих и предыдущих (последующих) наблюдений. Отсутствие автокорреляции остаточных величин обеспечивает состоятельность и эффективность оценок коэффициентов регрессии.

В классической регрессионной модели выполнение третьего условия Гаусса-Маркова (Соv(εt εS) = 0,при t ≠ s) гарантирует некоррелированность значений случайных членов в раз­личные моменты наблюдений и это позволяет получить несмещенные МНК-оценки с минимальной дисперсией. Зависимость значений случайных членов в различные моменты времени на­зывается автокорреляцией (сериальной корреляцией).

Формальной причиной автокорреляции в регрессионных моделях является нарушение третьего условия теоремы Гаусса-Маркова, действительной же причиной может быть: неправильная спецификация переменных (пропуск важной объясняющей переменной); наличие неучтенных факторов; использование ошибочной функциональной зависимости, а иногда и характер наблюдений (например, временные ряды).

Для проверки на автокорреляцию используется ряд крите­риев, из которых наиболее широкое применение получил крите­рий Дарбина-Уотсона

Последствия автокорреляции в определенной степени сходны с последствиями гетероскедастичности. Среди них при применении МНК обычно выделяются следующие:

1. Оценки параметров, оставаясь линейными и несмещенными, перестают быть эффективными. Следовательно, они перестают обладать свойствами наилучших линейных несмещенных оценок

2. Дисперсии оценок являются смещенными. Зачастую дисперсии, вычисляемые по стандартным формулам, являются заниженными, что приводит к увеличению t-статистик. Это может привести к признанию статистически значимыми объясняющие переменные, которые в действительности таковыми могут и не являться.

3. Оценка дисперсии регрессии является смещенной оценкой истинного значения , во многих случаях занижая его.

4. В силу вышесказанного выводы по t- и F-статистикам, определяющим значимость коэффициентов регрессии и коэффициента детерминации, возможно, будут неверными. Вследствие этого ухудшаются прогнозные качества модели.


 


Дата добавления: 2015-10-23; просмотров: 234 | Нарушение авторских прав


Читайте в этой же книге: Анализ вариации зависимой переменной в регрессии | Компьютерное моделирование эконометрических систем | Интервальное прогнозирование по оцененной линейной эконометрической модели парной регрессии значений эндогенной переменной | Множественная линейная регрессионная модель. Оценивание параметров множественной регрессии методом наименьших квадратов | Определение границ доверительного интервала | Оценивание параметров модели взвешенным методом наименьших квадратов | Гетероскедастичность случайной компоненты. Тесты на наличие гетероскедастичности | Парная регрессия. Оценивание параметров методом наименьших квадратов | Дисперсионный анализ в парной регрессии |
<== предыдущая страница | следующая страница ==>
Проверка гипотез относительно коэффициентов парной регрессии| Модель парной регрессии. Границы доверительных интервалов

mybiblioteka.su - 2015-2020 год. (0.006 сек.)