АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Автокорреляция остатков

Читайте также:
  1. Вашему вниманию предлагается пособие, предназначенное для помощи в анализе своего поведения, поиске и преодолении недостатков характера, поиске причин неудач и путей для развития.
  2. Ввод начальных остатков
  3. Ввод начальных остатков по другим счетам
  4. Ввод начальных остатков.
  5. ВВОД ОСТАТКОВ ДЕБИТОРСКО-КРЕДИТОРСКОЙ ЗАДОЛЖЕННОСТИ
  6. ВВОД ОСТАТКОВ МАТЕРИАЛЬНЫХ ЦЕННОСТЕЙ
  7. ВВОД ОСТАТКОВ ПО АНАЛИТИЧЕСКИМ СЧЕТАМ К СЧЕТУ
  8. Ввод остатков ТМЦ.
  9. ВВОД СИНТЕТИЧЕСКИХ ОСТАТКОВ ПО СЧЕТАМ
  10. Ведомость остатков по синтетическим счетам на 1 января 2008 года (руб.)
  11. Вступительный баланс начальных остатков ООО «Альтаир» на начало отчетного периода по синтетическим счетам

 

Нарушение свойства взаимной некоррелированности остатков регрессии в значительной мере снижает информационные и предсказательные характеристики ЛММР. В этой связи чрезвычайно важной представляется задача обнаружения факта невыполнения соответствующего требования Гаусса-Маркова и его последующая нивелировка.

Частично данная проблема рассматривалась применительно к исследованию свойств и характеристик временных рядов [см. п.2.3.5]. Далее остановимся на других методах идентификации, применимых к анализу остатков регрессионной модели.

Исследование автокорреляции (последовательная корреляция) остатков является одним из наиболее информативных тестирований качества полученной модели прогноза. При корректной спецификации модели автокорреляция должна быть небольшой, а в идеале должна отсутствовать. Величину автокорреляции можно, например, оценить при помощи коэффициента автокорреляции первого порядка, который обозначим Ra. (Это обычный коэффициент корреляции между двумя переменными: для первой t-е наблюдение есть dt, а для второй - dt-1.. Cдвиг на одно наблюдение и отражен в названии коэффициента).

По определению имеем:

(37)

где

При большом числе наблюдений можно воспользоваться очевидным приближением формулы (37), а именно:

При отсутствии автокорреляции Ra=0, при полной положительной автокорреляции Ra=1, при полной отрицательной автокорреляции Ra= -1. Обычно Ra принимает некоторое промежуточное значение между -1 и 1, интерпретировать который исследователь может в соответствии со своими представлениями. При обнаружении значительной автокорреляции следует уточнить спецификацию модели. Видимо, из числа независимых выпала какая-то существенная переменная или принят неправильный вид функции f(x). При построении множественной регрессии в случае обнаружения сильной автокорреляции обычно рекомендуется включить в число независимых переменных время.

Другим способом оценки автокорреляции служит критерий Дарбина-Уотсона. Соответствующая статистика, обозначаемая DW, имеет вид:

(38).

Проведем преобразование формулы (38), учитывая, что поскольку

при большом количестве наблюдений N имеем:

Итак, получаем:

Учитывая возможные значения Ra, можно сделать вывод о том, что, во-первых, DW Î[0;4]. Во-вторых, при отсутствии автокорреляции DW=2, при полной положительной автокорреляции DW=0, а при полной отрицательной DW=4.

Для статистики DW существуют таблицы критических границ, позволяющих принять или отвергнуть гипотезу об отсутствии автокорреляции в ряду остатков [54]. Для заданного уровня значимости (q%), для числа наблюдений N и числа независимых переменных m приводятся два числа: dL и dU.

Итак, если DW<dL, принимается гипотеза о положительной автокорреляции остатков;

если dU<DW<4-dU, принимается гипотеза об отсутствии автокорреляции остатков;

если DW>4-dL, принимается гипотеза об отрицательной автокорреляции остатков;

если dL<DW<dU или 4-dU<DW<4-dL, то не существует статистических оснований принять или отвергнуть гипотезу об отсутствии автокорреляции.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.)