UkrReferat.com
найбільша колекція україномовних рефератів

Всього в базі: 75843
останнє поновлення: 2016-12-04
за 7 днів додано 10

Реферати на українській
Реферати на російській
Українські підручники

$ Робота на замовлення
Реклама на сайті
Зворотній зв'язок

 

ПОШУК:   

реферати, курсові, дипломні:

Українські рефератиРусские рефератыКниги
НазваПобудова моделі з автокорельованими залишками (реферат)
АвторPetya
РозділЕкономічні теми (різне), реферат, курсова
ФорматWord Doc
Тип документуРеферат
Продивилось4207
Скачало356
Опис
ЗАКАЧКА
Замовити оригінальну роботу

Реферат на тему:

 

Побудова моделі з автокорельованими залишками

 

В економетричних дослідженнях часто зустрічаються такі випадки, коли

дисперсія залишків є постійною, але спостерігається їх коваріація. Це

явище має назву автокореляції залишків.

 

, але при гетероскедастичності змінюється дисперсія залишків при

відсутності їх коваріації, а при автокореляції — існує коваріація

залишків при незмінній дисперсії.

 

При автокореляції залишків, як і при гетероскедастичності дисперсія

залишків запишеться:

 

,

 

матиме тут зовсім інший вигляд. Запишемо цю матрицю:

 

.

 

В даній матриці параметр ( характеризує коваріацію кожного наступного

значення залишків із попереднім. Так, якщо для залишків записати

авторегресійну модель першого порядку:

 

,

 

то ( характеризує силу зв’язку величини залишків у період t від величини

залишків у період t – 1.

 

при визначенні дисперсії залишків, і для оцінки параметрів моделі

застосувати метод 1МНК, то можливі такі наслідки:

 

можуть бути невиправдано великими;

 

2) статистичні критерії t і F- статистики, які отримані для класичної

лінійної моделі, практично не можуть бути використані для дисперсійного

аналізу, бо їх розрахунок не враховує наявності коваріації залишків;

 

3) неефективність оцінок параметрів економетричної моделі, як правило,

призводить до неефективних прогнозів, тобто прогнозні значення матимуть

велику вибіркову дисперсію.

 

1. Критерій Дарбіна—Уотсона:

 

 

.

 

, приймається гіпотеза про відсутність автокореляції. Якщо DW1,< DW <

 

< DW2 конкретних висновків зробити не можна.

 

2. Критерій фон Неймана:

 

 

. Фактичне значення критерію фон Неймана порівнюється з табличним при

вибраному рівні довіри ( і заданому числі спостережень. Якщо Qфакт <

Qтабл , то існує додатня автокореляція.

 

3. Нециклічний коефіцієнт автокореляції:

 

.

 

. Від’ємні значення свідчать про від’ємну автокореляцію, додатні — про

додатню. Значення, що знаходяться в деякій критичній області біля нуля,

свідчать про відсутність автокореляції.

 

4. Циклічний коефіцієнт автокореляції:

 

.

 

Фактичне значення цього критерію порівнюється з табличним для вибраного

рівня довіри і довжини ряду спостережень n. Якщо r0факт ( r0табл, то

існує автокореляція. Припускаючи, що

 

,

 

циклічний коефіцієнт автокореляції можна записати так:

 

.

 

Оцінку параметрів моделі з автокорельованими залишками можна виконувати

на основі чотирьох методів:

 

1) Ейткена;

 

2) перетворення вихідної інформації;

 

3) Кочрена—Оркатта;

 

4) Дарбіна.

 

Перші два методи доцільно застосовувати тоді, коли залишки описуються

авторегресійною моделлю першого ступеня:

 

.

 

Ітеративні методи Кочрена—Оркатта і Дарбіна можна застосовувати для

оцінки параметрів економетричної моделі і тоді, коли залишки описуються

авторегресійною моделлю більш високого ступеня:

 

;

 

.

 

1. Метод Ейткена

 

Оператор оцінювання цим методом запишеться так:

 

або

 

,

 

(див. стор. 77);

 

.

 

, буде мати наступного вигляду:

 

.

 

На практиці для розрахунку ( використовується співвідношення:

 

або

 

 

2. Метод перетворення вихідної інформації

-----> Page:

0 [1] [2] [3]

ЗАМОВИТИ ОРИГІНАЛЬНУ РОБОТУ