Κατέβασμα παρουσίασης
Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε
ΔημοσίευσεFarida Muljana Τροποποιήθηκε πριν 6 χρόνια
1
Paklaidų autokoreliacijos problema ir jos sprendimo būdai
D. Gujaraty “Basic Econometrics” Part 2 Relaxing the Assuptions of the Classical Model, chapter 12 Autocorrelation (1995) . V.Boguslauskas. “Ekonometrika”, technologija, skyreliai 6,6 ir 6,7 Kaunas, 2008 psl ,
2
Paklaidų autokoreliacijos problema ir jos sprendimo būdai
1. Autokoreliacijos problemos esmė 2. Autokoreliacijos diagnostika 3. Autokoreliacijos problemos sprendimo būdai
3
Klasikinės regresijos prielaidos
4
Klasikinės regresijos prielaidos
5
Autokoreliacijos problemos esmė
Autokoreliacijos priežastys: nagrinėjamo reiškinio inertiškumas Netiksliai parinkti nagrinėjamą reiškinį įtakojantys veiksniai Neteisingai parinkta veiksnių priklausomybės matematinė išraiška
6
Autokoreliacijos problemos esmė
Matematiškai autokoreliacija reiškia Yi=b0+ b1X1i+ b2X2i + …b1X1k+ei, Autokoreliacija: ei= ρ·ei-1 +ui ei-1 –vėluojanti paklaida ui –paklaidų autoregresijos likutis , Yi=b0+ b1X1i+ b2X2i + …b1X1k+ ρ ei-1 +ui
7
Autokoreliacijos problemos esmė
Standartinė modelio paklaida be autokoreliacijos Standartinė modelio paklaida su autokoreliacija Pagal MKM apskaičiuota SE yra mažesnė negu tikroji
8
Autokoreliacijos problemos esmė
Kodėl autokoreliacija yra blogai MKM apskaičiuotas determinacijos koeficiento R2 yra didesnis už tikrąjį MKM apskaičiuotos įverčių standartinės paklaidos SEbj yra mažesnės Negalima tikrinti hipotezių nei t-stjudento nei F kriterijaus pagalba
9
Autokoreliacijos diagnostika
Grafinis būdas Ženklų sekų kriterijus Durbin-Watson testas Kiti kriterijai
10
Autokoreliacijos diagnostika Grafinis būdas
11
Autokoreliacijos diagnostika Grafinis būdas
12
Autokoreliacijos diagnostika Grafinis būdas
13
Autokoreliacijos diagnostika Grafinis būdas
ei ei-1
14
PVM paklaidų analizė
15
Standartizuotos PVM Paklaidos
16
PVM paklaidos vėluojančių paklaidų atžvilgiu
17
Ženklų sekų kriterijus
Observation Predicted Studento ūgis Residuals Standard Residuals Ženklai 1,00 193,00 0,22 + 2,00 185,49 4,51 0,98 3,00 181,37 -6,37 -1,39 - 4,00 182,69 -2,69 -0,59 5,00 190,51 5,49 1,20 6,00 176,43 -4,43 -0,97 7,00 184,93 -2,93 -0,64 8,00 185,39 -2,39 -0,52 9,00 186,69 3,31 0,72 10,00 186,61 7,39 1,61
18
Ženklų sekų kriterijus
n- stebėjimų skaičius n1–”+” ženklų skaičius n2 -”-” ženklų skaičius k - sekų skaičius Jeigų sekų skaičius k, turint n stebėjimų yra labai didelis, tuomet turime neigiamą paklaidų autokoreliaciją Jeigų sekų skaičius k, turint n stebėjimų yra labai mažas , tuomet turime teigiamą paklaidų autokoreliaciją
19
Ženklų sekų kriterijus
95 proc. pasikliautini intervalai
20
Ženklų sekų kriterijus
H0: Sekų skaičius k atsitiktinis, nepriklausomas ir pagal normalųjį skirstinį pasiskirstęs (Autokoreliacijos nėra) HA: Sekų skaičius k nėra atsitiktinis, nepriklausomas ir pasiskirstęs pagal normalųjį skirstinį dyds, (Autokoreliacijos yra) Jeigu apskaičiuota k reikšmė patenka į intervalą, tuomet neatmetame H0 Išvada: proc. 95 proc. pasikliovimo tikimybe galime teigti, kad autokoreliacijos nėra
21
Autokoreliacijos diagnostika
Yi=b0 + b1X1i + b2X2i + b3X3i ...+ bkXki + ei Pirmos eilės autokoreliacija ei= ρ·ei-1 + ui , kur ρ - koreliacijos koeficientas tarp ei ir ei-1 Antros eilės autokoreliacija ei= ρ·ei-2 + ui ... -1 ρ 1
22
Autokoreliacijos diagnostika Durbin-Watson kriterijus
Idėja Yi=b0 + b1X1i + b2X2i + b3X3i ...+ bkXki + ei Nagrinėjame pirmos eilės autokoreliaciją ei= ρ ·ei-1 + ui ρ 0 autokoreliacijos nėra ρ -1 neigiama autokoreliacija ρ 1 teigiama autokoreliacija
23
Autokoreliacijos diagnostika Durbin-Watson kriterijus
Durbin -Watson statistika d 2 (1- ρ ) ρ = d = 2 ρ = d = 4 ρ = d = 0
24
Autokoreliacijos diagnostika Durbin-Watson testas
H0 : autokoreliacijos nėra , t.y, ρ =0 H1 : autokoreliacija yra t.y, | ρ | 1 Apskaičiuojame d statistiką išvados: Jeigu dU d 4 - dU H0 d dL arba d 4 - dL H1 dL d dU arba dU d 4 - dL neapibrėžtas rezultatas
25
Autokoreliacijos diagnostika Durbin-Watson kriterijus
Neapibrėžtumo sritys Teigiama autokoreliacija Neigiama autokoreliacija autokoreliacijos nėra dL dU 4 2 4-dU 4-dL
26
PVZ: Susumuojame , ,34
27
PVZ. Su studentų ūgiais DL=1.52 DU=1.70
DW= DL=1.52 DU=1.70 Autokoreliacijos nėra, nes 1,70<DW=2.17<4-1.70
28
Breusch –Godfrey (BG) testas LM testas
Yi= b0 + b1X1i + b2X2i + b3X3i + …..bkXki + ei BG testas Skaičiuojame papildomąją regresiją ei= c0 + c1ei-1 +c2ei-2 +c3ei cpei-p +d1X1i + d2X2i + d3X3i + …..dkXki + ui
29
Breusch –Godfrey (BG) testas
H0 c1= c2=… cp=0 autokoreliacijos nėra HA bent vienas ir cj ≠0 autokoreliacija yra Skaičiuojame papildomąją regresiją ei= c0 + c1ei-1 +c2ei-2 +c3ei cpei-p +d1X1i + d2X2i + d3X3i +...dkXki + ui pR2 Testo statistika: BG= (n-p)* pR2 ~ χ2(p) Jeigu BG < χ2(p) , tuomet negalime atmesti H0 t.y., autokoreliacijos jokios eilės nėra Jeigu BG > χ2(p) , tuomet atmetame H0 t.y., regresija pasižymi paklaidų autokoreliacija s- eilės ( reikšminga t stat.)
30
Autokoreliacijos problemos sprendimo būdai
Įtraukti naujus veiksnius į regresijos lygtį: laiko veiksnys (t=1;T) : Yi= b0+b1ti+b2X1i +....bkXki +ei vėluojantis priklausomas kintamasis: Yi= b0 + b1X1i + b2X2i + …..bkXki + bK+1Yi-1 +ei Peržiūrėti modelio matematinę išraišką Tranformuoti duomenis. Skaičiuoti pokyčių, o ne absoliučių dydžių regresiją: Yt - Yt-1 = b1(Xt - Xt-1) + …… ui
31
Autokoreliacijos problemos sprendimo būdai Autokoreliacijos koregavimas d-statistikos pagalba
32
Autokoreliacijos problemos sprendimo būdai Autokoreliacijos koregavimas Cochrane-Orcutt procedūra.
Yi=b0 + b1Xi + ei
33
Autokoreliacijos problemos sprendimo būdai Praktinės taisyklės
Autokoreliuotos paklaidos skerspjūvio duomenų modelyje: Praleisti esminiai veiksniai Neteisinga modelio matematinė išraiška Laiko eilučių modelyje Įtraukiame į modelį laiko veiksnį arba vėluojantį Yt-1 Jeigu >0,8 arba d<R2 skaičiuojame modelį su ∆Y ir ∆X
34
Autokoreliacijos problemos sprendimo būdai Svarbi pastaba
Jeigu sudarėme autoregresiją, tuomet jos paklaidų autokoreliacijai tikrinti taikome DW_h testą Yi= b0 + b1X1i + b2X2i + …..bkXki + bK+1Yi-1 +ei H0 nėra autokoreliacijos HA Autokoreliacija yra H0 atmetama, kai |DW_h|>1,96 su 95 proc. pasikliovimo lygmeniu. ρ=0 ρ≠0 ρ (1-d/2)
Παρόμοιες παρουσιάσεις
© 2024 SlidePlayer.gr Inc.
All rights reserved.