WWW.REFERATCENTRAL.ORG.UA - Я ТУТ НАВЧАЮСЬ

... відкритий, безкоштовний архів рефератів, курсових, дипломних робіт

ГоловнаЕкономіка (різне) → Гетероскедастичність - Реферат

Гетероскедастичність - Реферат

Економетрична модель має вигляд

I: .

Крок 4. Побудуємо економетричну модель виду за другою сукупністю спостережень, починаючи від дванадцятого по вісімнадцятий місяць.

Система нормальних рівнянь для визначення параметрів цієї моделі запишеться так:

Звідси = – 0,408;

= 0,165.

Економетрична модель має вигляд:

II:

Крок 5. Знайдемо розрахункові значення залежної змінної моделі — величини заощадження за кожною з двох моделей і визначимо відхилення фактичних значень заощаджень від розрахункових.

Таблиця 7.5 Таблиця 7.6

Місяць

у

u

u2

Місяць

y

u

u2

1

2,36

2,00

0,36

0,1296

12

2,95

2,99

–0,04

0,0016

2

2,20

2,06

0,14

0,0196

13

2,82

3,09

–0,27

0,0729

3

2,08

2,13

–0,05

0,0025

14

3,04

3,21

–0,17

0,0289

4

2,20

2,19

0,01

0,0001

15

3,53

3,37

0,16

0,0256

5

2,10

2,24

–0,14

0,0196

16

3,94

3,56

0,38

0,1444

6

2,12

2,34

–0,22

0,0484

17

3,75

3,68

0,07

0,0049

7

2,41

2,43

–0,02

0,0004

18

3,99

3,83

0,16

0,0256

Разом

0,2202

Разом

0,3039

У табл.7.5 наведено результати обчислення суми квадратів залишків за першою моделлю S1 = 0,2202.

У табл.7.6 наведено обчислення суми квадратів залишків за другою моделлю S2 = 0,3039.

Крок 6. Обчислимо критерій R*, який наближено відповідає F-розподілу:

Порівняємо його значення з табличним значенням F-критерію при вибраному рівні довіри Р = 0,99 і ступенях свободи 1 = 5 і 2 = 5. Fтабл = 11. Звідси R* < Fтабл, що свідчить про відсутність гетероскедастичності.

Визначення матриці S

Щоб оцінити параметри моделі, коли дисперсії залишків визначаються , потрібно визначити матрицю S.

Спинимось на визначенні матриці S.

оскільки явище гетероскедастичності пов'язане лише з тим, що змінюються дисперсії залишків, а коваріація між ними відсутня, то матриця S має бути діагональною, а саме:

Щоб пояснити, чому саме такий вигляд має ця матриця, потрібно ще раз наголосити: за наявності гетероскедастичності для певних вихідних даних одна (або кілька) пояснювальних змінних можуть різко змінюватись від одного спостереження до іншого, тоді як залежна змінна має такі самі коливання, як і для попередніх спостережень.

Але це означає, що дисперсія залишків, яка змінюватиметься від одного спостереження до іншого (чи для групи спостережень), може бути пропорційною до величини пояснювальної змінної X (або до її квадрата), яка зумовлює гетероскедастичність, або пропорційною до квадрата залишків.

Звідси в матриці S значення можна обчислити, користуючись гіпотезами:

а) , тобто дисперсія залишків пропорційна до зміни пояснювальної змінної ;

б) , тобто зміна дисперсії пропорційна до зміни квадрата пояснювальної змінної ();

в) , тобто дисперсія залишків пропорційна до зміни квадрата залишків за модулем.

Для першої гіпотези:

Для другої гіпотези:

Для третьої гіпотези: або , або .

Оскільки матриця S — симетрична і додатно визначена, то при , матриця P має вигляд:

.

Приклад 7.5. Згідно з даними табл.7.3 треба побудувати матрицю S, яка використовується при визначенні дисперсій залишків , якщо побудова економетричної моделі пов'язана з явищем гетероскедастичності.

Скористаємося першою гіпотезою, згідно з якою Звідси для даних, які наведено в прикладі 7.3 (див. табл.7.3) , Xi — дохід в і-му місяці. Тоді матриця S –1 запишеться так:

Стовпці (1–9) Стовпці (10 –18)

Узагальнений метод найменших квадратів (метод Ейткена)

Економетрична модель, якій притаманна гетероскедастичність, є узагальненою моделлю, і для оцінювання її параметрів слід скористатися узагальненим методом найменших квадратів. Розглянемо цей метод.

Нехай задано економетричну модель

(7.1)

коли .

Задача полягає в знаходженні оцінок елементів вектора А в моделі. Для цього використовується матриця S, за допомогою якої коригується вихідна інформація. Ця ідея була покладена в основу методу Ейткена.

Базуючись на особливостях матриць Р і S, які були розглянуті в підрозд. 7.3, можна записати співвідношення між цими матрицями та оберненими до них.

Оскільки S — додатно визначена матриця, то вона може бути зображена як добуток , де матриця P є невиродженою, тобто:

, (7.2)

коли

; (7.3)

і

. (7.4)

Помноживши рівняння (7.1) ліворуч на матрицю , дістанемо:

. (7.5)

Позначимо ;

;

.

Тоді модель матиме вигляд:

. (7.6)

Використовуючи (7.3), неважко показати, що

,

тобто модель (7.6) задовольняє умови (4.2), коли параметри моделі можна оцінити на основі 1МНК.

Звідси

. (7.7)

Ця оцінка є незміщеною лінійною оцінкою вектора А, який має найменшу дисперсію і матрицю коваріацій

(7.8)

Hезміщену оцінку для дисперсії можна дістати так:

(7.9)

Оцінка параметрів , яку знайдено за допомогою (7.7), є оцінкою узагальненого методу найменших квадратів (методу Ейткена).

При заданій матриці S оцінку параметрів моделі можна обчислити згідно із (7.7), а стандартну помилку — згідно із (7.8). Тому можна сконструювати звичайні критерії значущості і довірчі інтервали для параметрів .

Визначивши залишки і помноживши ліворуч на матрицю , дістанемо:

,

або .

Звідси .

Тоді .

Оскільки ,

то (7.10)

Отже, ми розбили загальну суму квадратів для (7.6) на суму квадратів регресії і залишкову. Згідно з цими даними дисперсійний аналіз буде виконано для перетворених вихідних даних. Крім того, коли незалежна змінна виміряна відносно початку відліку, а не у формі відхилення від середньої, то необхідно визначити її середнє значення і скористатись ним для корекції загальної суми квадратів і суми квадратів регресії.

Модель узагальненого методу найменших квадратів іноді специфікується у вигляді

(7.11)

де — відома симетрична додатно визначена матриця. Тоді вираз для оцінки параметрів згідно з методом Ейткена запишеться так:

, (7.12)

а для її коваріаційної матриці

. (7.13)

Приклад 7.6. Використовуючи дані табл.7.3 (див. приклад 7.2), знайдемо оцінки параметрів моделі згідно з методом Ейткена.

Розв'язання. Оператор оцінювання методом Ейткена запишеться так:

.

тому для того щоб знайти оцінку вектора , потрібно обчислити:

1) добуток матриць

2) добуток матриць

;

3) матрицю, обернену до матриці ():

;

4) матрицю

;

5) оцінку параметрів моделі

.

Економетрична модель витрат на харчування запишеться так:

.

Приведемо економіко-математичний аналіз характеристик економетричної моделі.

1. Коефіцієнт детермінації R2= 0,722. Це означає, що на 72,2 % варіація витрат на харчування залежить від загальних витрат.

2. Коефіцієнт кореляції R = = 0,85 свідчить про досить тісний зв'язок між витратами на харчування та загальними витратами.

3. Залишкова дисперсія = 0,083 показує, що розрахункові значення витрат на харчування дуже близькі до фактичних.

4. Параметр моделі свідчить про те, що збільшення загальних витрат на одиницю сприятиме граничному зростанню витрат на харчування на 0,014 одиниць.

5. Економетрична модель, параметри якої оцінені методом 1МНК, має вигляд

= 1,999 + 0,0145X,

а залишкова дисперсія її = 0,097. Звідси, порівнявши її характеристики з моделлю, параметри якої оцінені методом Ейткена, можна стверджувати, що в даному разі оцінки ефективніші.

Прогноз

Коли параметри економетричної моделі оцінюються узагальненим методом найменших квадратів, проблема прогнозування потребує спеціального дослідження.

Loading...

 
 

Цікаве