АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Исследование модели на автокорреляцию

Читайте также:
  1. II этап. Исследование спонтанного нистагма.
  2. II. Право на фабричные рисунки и модели (прикладное искусство), на товарные знаки и фирму
  3. а) Исследование непосредственного запечатления следов
  4. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  5. Аддитивная и мульпликативная модели временного ряда
  6. Адекватность трендовой модели
  7. Алгоритм оценки и проверки адекватности нелинейной по параметрам модели (на примере функции Кобба-Дугласа).
  8. Алгоритм проверки адекватности множественной регрессионной модели (сущность этапов проверки, расчетные формулы, формулировка вывода).
  9. Алгоритм проверки адекватности парной регрессионной модели.
  10. Алгоритм проверки адекватности парной регрессионной модели.
  11. Алгоритм проверки значимости регрессоров во множественной регрессионной модели: выдвигаемая статистическая гипотеза, процедура ее проверки, формулы для расчета статистики.
  12. Альтернативные модели потребления.

1. Исследовать линейную модель множественной регрессии на наличие/отсутсвие автокорреляции регрессионных остатков.

2. Проверить внешние признаки автокорреляции: с помощью графического анализ поведения регрессионных остатков.

3. Применить критерий Дарбина-Уотсона для выявления автокорреляции первого порядка.

ОЛММР с автокоррелируемыми остатками называется ЛММР yi01xi1+…+βkxiki, для которой нарушено 5 условие Гауса – Маркова, а именно:

1 X1, X2,…,Xkдетерминированные (неслучайные) переменные

2 Ранг ∑х = k+1. Среди признаков нет линейно зависимых.

3 Мεi =0, i=1,n. Нет систематических ошибок в измерении Y.

4 Дεi= Мεi 22. Гомоскедастичность регрессионных остатков.

5 Cov(εi; εj)=М(εi * εj)≠0, i≠j. i=1,n , j=1,n.

Полученное после устранения мультиколлинеарности уравнение регрессии проверим на наличие автокоррелируемых остатков. Начнем с графического метода выявления автокоррелируемых остатков. Для этого проранжируем регрессионные остатки по Х1 и построим график зависимости регрессионных остатков от x1 (см. рис. 6).

 

Рисунок 6 – Зависимость εi от x1

 

На основе построенного графика можно сделать вывод о том, что в уравнении регрессии =10,3+0,52х1-0,00016х4 присутствуют автокоррелируемые остатки. Для подтверждения возможности наличия автокоррелируемых остатков регрессионной модели проведем эмпирическую оценку уравнения регрессии, воспользовавшись критерием Дарбина – Уотсона.

Выдвигается гипотеза Н0: ρ=0 – нет автокорреляции. И ей противоположную Н1: ρ≠0 – есть автокорреляция.

Рассчитаем статистику Дарбина – Уотсона:

DW=2,34

Найдем dниж и dверх на уровне значимости α=0,05 по таблице Дарбина – Уотсона:

dниж=1,29

dверх=1,78

Таким образом видно, что точка 2,34 попадает в ту зону, где автокорреляция отсутствует.

Следовательно, можно сделать вывод, что при DW=2,34 гипотеза Н0 принимается – в модели отсутствует автокорреляция.

Полученное после устранения мультиколлинеарности уравнение регрессии проверим на наличие автокоррелируемых остатков. Начнем с графического метода выявления автокоррелируемых остатков. Для этого проранжируем регрессионные остатки по Х4 и построим график зависимости регрессионных остатков от х4 (см. рис. 7).



 

Рисунок 7 – Зависимость εi от х4

На основе построенного графика можно сделать вывод о том, что в уравнении регрессии =10,29+0,52х1-0,00016х4 присутствуют автокоррелируемые остатки. Для подтверждения возможности наличия автокоррелируемых остатков регрессионной модели проведем эмпирическую оценку уравнения регрессии, воспользовавшись критерием Дарбина – Уотсона.

Выдвигается гипотеза Н0: ρ=0 – нет автокорреляции. И ей противоположную Н1: ρ≠0 – есть автокорреляция.

Рассчитаем статистику Дарбина – Уотсона:

DW=1,9.

Найдем dниж и dверх на уровне значимости α=0,05 по таблице Дарбина – Уотсона:

dниж=1,29

dверх=1,78

Таким образом видно, что точка 1,9 попадает в ту зону, где автокорреляция отсутствует.

Следовательно, можно сделать вывод, что при DW=1,9 гипотеза Н0 принимается – в модели отсутствует автокорреляция.

 


1 | 2 | 3 | 4 | 5 |


Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.005 сек.)