- •Е.И. Ермолаева, е.И. Куимова Основы эконометрики: практикум
- •Предисловие
- •Лабораторная работа №1 Парная линейная регрессия
- •Лабораторная работа №2 Нелинейные модели парной регрессии
- •Лабораторная работа №3 Множественная регрессия
- •Лабораторная работа №4 Проверка адекватности модели регрессии по особенностям остаточных величин
- •Лабораторная работа №5 Анализ построенной модели регрессии на гетерокедастичность остатков
- •Лабораторная работа №6 Анализ динамики временных рядов
- •Лабораторная работа №7 Моделирование временных рядов с сезонными колебаниями
- •Лабораторная работа №8 Анализ взаимосвязи двух временных рядов
- •Уравнение линейной регрессии по уровням временных рядов
- •Уравнение регрессии по уровням временных рядов с включенным фактором времени
- •Уравнение регрессии по первым разностям
- •Лабораторная работа №9 Моделирование временных рядов с распределенным лагом
- •Лабораторная работа №10 Авторегрессионные модели временных рядов
- •Лабораторная работа №11 Модели систем одновременных уравнений и их составляющие
- •Проблема идентификации
- •Значения статистики Дарбина-Уотсона
- •Содержание
- •Библиографический список
Лабораторная работа №8 Анализ взаимосвязи двух временных рядов
Последовательность выявления автокорреляции
с помощью критерия Дарбина-Уотсона
Расчетное значение критерия определяется по формуле
и сравнивается с нижним и верхним критическими значениями статистики Дарбина-Уотсона.
Возможны следующие случаи:
1) Если , то гипотеза о независимости остатков отвергается, и модель признается неадекватной по критерию независимости остатков.
2) Если , включая сами эти значения, то считается, что нет достаточных оснований делать тот или иной вывод (зона неопределенности).
3) Если , то гипотеза о независимости остатков принимается и модель признается адекватной по данному критерию.
4) Если , то это свидетельствует об отрицательной автокорреляции остатков. В этом случае расчетное значение критерия необходимо преобразовать по формуле и сравнивать с критическим значением не d, а .
На практике, если фактическое значение критерия Дарбина-Уотсона попадает в зону неопределенности, то предполагают наличие автокорреляции.
Имеются следующие данные о величине дохода на одного члена семьи и расхода на некоторый товар по годам
год |
1985 |
1986 |
1987 |
1988 |
1989 |
1990 |
Расход, руб |
30 |
35 |
39 |
44 |
50 |
53 |
Доход, % к 1985 г |
100 |
103 |
105 |
109 |
115 |
118 |
Необходимо:
1. Построить уравнение линейной регрессии расходов от дохода, оцените его качество с помощью критерия Фишера и коэффициента детерминации. Оцените надежность параметров регрессии с помощью критерия Стъюдента. Оцените автокорреляцию остатков
а) с помощью коэффициентов автокорреляции;
б) по критерию Дарбина-Уотсона.
2. По исходным данным постройте уравнение регрессии, включив в него фактор времени, оцените его качество и надежность параметров. Оцените автокорреляцию в остатках.
3. По исходным данным постройте уравнение регрессии по первым разностям. Оцените автокорреляцию в остатках.
Уравнение линейной регрессии по уровням временных рядов
Уравнение регрессии и все статистические параметры получим по Анализ данных/Регрессия. Причем, в диалоговом окне ввода данных и параметров вывода можно поставить флажок на позиции Остатки, чтобы сразу получить значения :
ВЫВОД ИТОГОВ |
|
|
|
|
|
|
|
|
|
|
|
Регрессионная статистика |
|
|
|
|
|
Множественный R |
0,991706944 |
|
|
|
|
R-квадрат |
0,983482664 |
|
|
|
|
Нормированный R-квадрат |
0,97935333 |
|
|
|
|
Стандартная ошибка |
1,27038632 |
|
|
|
|
Наблюдения |
6 |
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
384,3778 |
384,377807 |
238,16 |
0,000103 |
Остаток |
4 |
6,455526 |
1,613881402 |
|
|
Итого |
5 |
390,8333 |
|
|
|
|
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
|
Y-пересечение |
-93,21832884 |
8,766333 |
-10,6336741 |
0,000443 |
|
Доход, % к 1985 г |
1,246630728 |
0,080778 |
15,43275083 |
0,000103 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ВЫВОД ОСТАТКА |
|
|
|
|
|
|
|
|
|
|
|
Наблюдение |
Предсказанное Расход, руб |
Остатки ε |
|
|
|
1 |
31,44474394 |
-1,44474 |
2,087285039 |
|
|
2 |
35,18463612 |
-0,18464 |
0,034090496 |
1,587872 |
|
3 |
37,67789757 |
1,322102 |
1,747954825 |
2,270261 |
|
4 |
42,66442049 |
1,33558 |
1,78377264 |
0,000182 |
|
5 |
50,14420485 |
-0,1442 |
0,020795039 |
2,189762 |
|
6 |
53,88409704 |
-0,8841 |
0,781627567 |
0,54744 |
|
Сумма |
|
|
6,455525606 |
6,595517 |
|
Выводы:
Уравнение достоверно на 98%.
Статистика критерия Фишера – 238,16; значимость F – 0,000103, что не превышает допустимый уровень значимости 0,05. Уравнение в целом признаем значимым.
Статистики критерия Стъюдента для коэффициентов регрессии также имеют допустимый уровень ошибки (P-значение) и признаются значимыми.
Найдем коэффициенты автокорреляции остатков до порядка. Поскольку в этой задаче 6 наблюдений, ищем для ряда остатков с помощью функции Коррел.
r1 |
r2 |
0,314389 |
-0,88749 |
Вывод: коэффициент автокорреляции второго порядка достаточно высок, что может указывать на невозможность использования линейного уравнения регрессии для прогнозирования.
Для окончательно проверки остатков регрессии на автокорреляцию, рассчитаем значение d-статистики Дарбина-Уотсона , получаем . Критические значения критерия (по таблице) . Поскольку выполняется неравенство , гипотеза о независимости остатков отклоняется, и модель признается неадекватной по данному критерию.