|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Последствия частичной мультиколлинеарностиВид мультиколлинеарности, при котором факторные переменные связаны некоторой стохастической зависимостью, называется частичной. Если между факторными переменными имеется высокая степень корреляции, то матрица (XTX) близка к вырожденной, т. е. det(XTX) ≈ 0. Матрица (XTX)-1 будет плохо обусловленной, что приводит к неустойчивости МНК-оценок. Частичная мультиколлинеарность приводит к следующим последствиям: · увеличение дисперсий оценок параметров расширяет интервальные оценки и ухудшает их точность; · уменьшение t-статистик коэффициентов приводит к неверным выводам о значимости факторов; · неустойчивость МНК-оценок и их дисперсий. 41. Понятие о мультиколлинеарности. Методы устранения мультиколлинеарности. Существует два основных подхода к решению этой задачи. § Метод дополнительных регрессий § Строятся уравнения регрессии, которые связывают каждый из регрессоров со всеми остальными § Вычисляются коэффициенты детерминации § Проверяется статистическая гипотеза Вывод: если гипотеза § Метод последовательного присоединения § Строится регрессионная модель с учетом всех предполагаемых регрессоров. По признакам делается вывод о возможном присутствии мультиколлинеарности § Расчитывается матрица корреляций и выбирается регрессор, имеющий наибольшую корреляцию с выходной переменной § К выбранному регрессору последовательно добавляются каждый из оставшихся регрессоров и вычисляются скорректированные коэффициенты детерминации для каждой из моделей. К модели присоединяется тот регрессор, который обеспечивает наибольшее значение скорректированного Процесс присоединения регрессоров прекращается, когда значение скорректированного Каким бы образом не осуществлялся отбор факторов, уменьшение их числа приводит к улучшению обусловленности матрицы Помимо перечисленных методов существует ещё один, более простой, дающий достаточно хорошие результаты — это метод предварительного центрирования. Суть метода сводится к тому, что перед нахождением параметров математической модели проводится центрирование исходных данных: из каждого значения в ряде данных вычитается среднее по ряду: 42. Спецификация и оценивание МНК эконометрических моделей нелинейных по параметрам.
где α=ln(A). Это двойная логарифмическая модель: Ур-е линейно относительно логарифмов переменных, => введя:
т. е. параметр имеет смысл темпа прироста Y по X.(наращивание суммы при неприрывной процентной ставке) Замена X* = ln(X). Продифференцировав по X, получим:
т. е. параметр характеризует отношение абсолютного изменения Y к относительному изменению Х (моделирование влияния процентного изменения денежной массы на изменение объема ВНП). 43. Способы включения случайных возмущений в спецификацию нелинейной по параметрам модели. Например, возможны следующие способы включения случайного возмущения – где v, ɛ— случ-е возмущения. исходной нелинейной спецификации должно иметь логарифмическое нормальное распределение с параметрами: 44. Спецификация и оценивание МНК эконометрических моделей нелинейных по переменным. Например, пусть необходимо оценить параметры модели Введем переменные: Оценка вектора параметров: β0 —начальный уровень; β1-скорость роста и т.д. Для преобразования гиперболической регрессии к линейному виду используется замена: а - уровень эндогенной переменной, который устан-ся при больших значениях регрессора, а параметр b- скорость приближения к данному уровню (пр: зависимость спроса от цен или дохода, кривая Филлипса). 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.) |