АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Проверка автокорреляции остатков модели регрессии

Читайте также:
  1. II. Право на фабричные рисунки и модели (прикладное искусство), на товарные знаки и фирму
  2. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии.
  3. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  4. Автокорреляция остатков. Критерий Дарбина- Уотсона
  5. Автокорреляция уровней временного ряда. Анализ структуры временного ряда на основании коэффициентов автокорреляции
  6. Аддитивная и мульпликативная модели временного ряда
  7. Адекватность трендовой модели
  8. Актуализация опорных знаний. Проверка д/з.
  9. Алгоритм оценки и проверки адекватности нелинейной по параметрам модели (на примере функции Кобба-Дугласа).
  10. Алгоритм проверки адекватности множественной регрессионной модели (сущность этапов проверки, расчетные формулы, формулировка вывода).
  11. Алгоритм проверки адекватности парной регрессионной модели.
  12. Алгоритм проверки адекватности парной регрессионной модели.

Выбор и обоснование значимости экзогенных переменных

 

Проверка статистической значимости параметров регрессионного уравнения (коэффициентов регрессии) выполняется по t -критерию Стьюдента, который рассчитывается по формуле:

,

где P – значение параметра;

Sp - стандартное отклонение параметра.

Рассчитанное значение критерия Стьюдента сравнивают с его табличным значением при выбранной доверительной вероятности (как правило, 0.95) и числе степеней свободы N - k -1, где N -число точек, k -число переменных в регрессионном уравнении (например, для линейной модели Y=A*X+B подставляем k =1).

Если вычисленное значение tp выше, чем табличное, то коэффициент регрессии является значимым с данной доверительной вероятностью. В противном случае есть основания для исключения соответствующей переменной из регрессионной модели.

 

Н0 - коэффициент незначимый.

 

 

Табличное значение критерия Стьюдента t =1,68. Рассчитанные значения критерия больше, чем табличное, следовательно нулевая гипотеза отвергается и коэффициенты являются значимыми.

Получено уравнение регрессии:

 

LnCena = 7.6996 – 0.1100*NKomnat + 0.1080*LNPlochadNez + 0.7471*LNPlochadZ + 0.3185*LnPlochadKukh

Для проверки гипотезы о качестве модели в целом применяется статистика Фишера. Статистика больше, чем табличное значение, а значит отвергается гипотеза о незначимости коэффициентов при экзогенных переменных.

Коэффициент детерминации R2 показывает какую часть разброса эндогенной переменной можно объяснить колебанием экзогенных переменных. В данном случае этот коэффициент достаточно близок к 1, что говорит о высоком качестве модели.

 

Проверка автокорреляции остатков модели регрессии

Для проверки автокорреляции остатков модели регрессии используем критерий Дарбина — Уотсона (или DW-критерий).

где — коэффициент автокорреляции первого порядка.

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 в зависимости от значений верхней d1 и нижней d2 границ критерия по специальным таблицам. Данные границы определяются в зависимости от объёма выборочной совокупности n и числа степеней свободы (h-1), где h – количество оцениваемых по выборке параметров.

 

Н0: коэффициент авторегрессии р=0, т е автокорреляции в остатках нет.

d1 < DW < d2 зона неопределенности

d2 < DW < 4-d2 H0 не отвергается

4-d1 < DW < 4 H0 отвергается

0 < DW < d1 H0 отвергается

 

 

Для n = 52 и 4х объясняющих переменных d1 = 1,38 и d2 = 1,72.

d2< DW <4-d2 => H0 не отвергается.


Поиск по сайту:

Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.)