|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Методы устранения автокорреляции1.Обобщенный МНК (ОМНК) Рассмотрим исходную модель в моменты времени t и t–1: – есть случайная величина, так как и – случайные величины, , так как и . Остаток не коррелирует ни с одним регрессором, следовательно, можно применить классический МНК. Оценка параметра b вычисляется непосредственно, а оценка параметра a вычисляется так: . ОМНК может применяться для данных, начиная с момента , т.е. первое наблюдение теряется; его можно восстановить для и , используя поправку Прайса–Уинстена: Если наше предположение о том, что остатки описанные – моделью первого порядка соответствуют действительности, то можно показать, что . При большой протяженности временного ряда значения и действительно оказываются близки друг к другу. В матричной форме отыскание столбца B с помощью ОМНК выражается так: B = (XTΩρX)-1XTΩρY, где
2. Метод Кохрана – Оркатта (итерационный) Первая итерация: вначале по МНК оценивается регрессия . Определяются столбец остатков и столбец . Далее оценивается авторегрессия остатков по схеме : , отсюда находится оценка . Вторая итерация: Введем новые переменные: wt = yt – ρyt-1, zt = xt – ρxt-1. Построим регрессию По ней определим (ε1)t и (ε1)t-1. Далее опять построим авторегрессию остатков , отсюда находим оценкуρ1. Третья итерация: Опять введем новые переменные (w1)t = wt – ρ1wt–1, (z1)t = zt – ρ1zt–1 и построим регрессию По ней определим остатки (ε2)t и (ε2)t-1. Построим авторегрессию остатков и по ней найдем оценку ρ2. Итерационный процесс продолжается до тех пор, пока разность между предыдущей и последующей оценками ρ не станет по модулю меньше любого наперед заданного числа. После того, как определено значение ρ, строится регрессия по уже знакомой модели: Применяя к этому уравнению классический МНК находим и , рассчитываем значение 3. Метод Хилдрета-Лу Этот метод предполагает перебор значений с достаточно малым шагом, например, 0,01 и подстановку его в уравнение (*). Та величина , при которой стандартная ошибка регрессии в данной модели будет наименьшей, принимается в качестве наилучшей оценки
Список использованной литературы.
1. Кремер Н. Ш., Путко Б. А. Эконометрика, М.: ЮНИТИ-ДАНА, 2002. 2. Носко В.П. Эконометрика: Введение в регрессионный анализ временных рядов, Москва, 2002. 3. Давнис В.В., Тинякова В.И., Мокшина С.И., Воищева О.С., Щекунских С.С. Эконометрика сложных экономических процессов, Воронеж: ВГУ, 2004. 4. Анатольев С. Эконометрика для продолжающих (Эконометрика-3). Курс лекций, М.: Российская Экономическая Школа, 2002-2003.
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.) |