68. Устранение автокорреляции в парной регрессии

Модель называется автокоррелированной, если не выполняется третья предпосылка теоремы Гаусса-Маркова: Cov(u_i,u_j)≠0 при i≠j.

Автокорреляция чаще всего появляется в моделях временных рядов и моделировании циклических процессов.

Причина – неправильный выбор спецификации модели.

Последствия автокорреляции (оценки коэффициентов теряют эффективность, стандартные ошибки коэффициентов занижены).

Для устранения автокорреляции можно воспользоваться процедурой Кохрейна-Орката:

1)По выборочным данным выполняется настройка модели и вычисляется вектор остатков регрессии е.

2)По остаткам регрессии оценивается модель авторегрессии:

3)С оценкой выполняются преобразования (1) и (2).

4)Строится новый вектор остатков, и процедура повторяется (начиная с П.2).

Итерационный процесс заканчивается при условии совпадения оценок на последней и предпоследней итерациях с заданной степенью точности.

69. F-тест качества спецификации множественной регрессионной модели.

Статистикой обсуждаемого ниже критерия гипотезы H₀: R²=0 (гипотеза о том что модель абсолютно плохая) против альтернативы H₁: служит случайная переменная:

(1)

Здесь k — количество регрессоров в модели множественной регрессии, п — объ­ем обучающей выборки (у, X), по которой оценена МНК-модель. В ситуации, когда гипотеза H₀ справедлива, а слу­чайный остаток и в модели обладает нормальным законом распределения, случайная переменная F_тест имеет распределение Фишера с количествами степеней сво­боды ν₁ и ν₂, где ν₁=k и ν₂=n-(k+1) (2)

Данное утверждение положено в основу F-теста. Вот этапы выполнения этой процедуры.

1) вычислить величину (1);

2) задаться уровнем значимости а € (0, 0,05] и при помощи функции FPACПOБP Excel при количествах степеней свободы (2) отыскать (1-α)-квантиль распределения Фишера F_крит

3) проверить справедливость неравенства F<F_крит (3)

Если оно справедливо, то принять гипотезу H₀ и сделать вывод о неудовлетворительном качестве регрессии, т.е. об отсутствии какой-либо объясняющей способности регрессоров в рамках линейной модели.

Напротив, когда неравенство (3) несправедливо —следует от­клонить гипотезу H₀ в пользу альтернативы H₁. Другими словами, сделать вывод о том, что качество регрессии удовлетвори­тельно, т.е. регрессоры в рамках линейной модели обладают способностью объяснять значения эндогенной переменной у.

70. Фиктивная переменная наклона: назначение; спецификация

Фиктивные (искусственные) переменные (dummy variables)- это переменные с дискретным множеством значений, которые количественным образом описывают качественные признаки.

В регрессионных моделях применяются фиктивные переменные двух типов: переменные сдвига и переменные наклона.

Фиктивная переменная наклона изменяет наклон линии регрессии. При помощи фиктивных переменных наклона можно построить кусочно-линейные модели, которые позволяют учесть структурные изменения в экономических процессах (например, введение новых правовых или нало­говых ограничений, изменение политической ситуации и т. д.).

Спецификация регрессионной модели в этом случае (например, для парной регрессионной модели, для простоты) имеет вид:

0 – до структурных изменений

d_t = 1 – после структурных изменений,

d_t - бинарная переменная

Фиктивная переменная входит в уравнение в мультипликативной форме.