Презентация на тему: 1 Модель множественной регрессии всегда включает случайную составляющую Метод

Реклама. Продолжение ниже
1 Модель множественной регрессии всегда включает случайную составляющую Метод
Определение автокорреляции
Причины автокорреляции
Причины чистой автокорреляции
Причины чистой автокорреляции
Причины чистой автокорреляции
Автокорреляция первого порядка
Классический случай (автокорреляция отсутствует)
Положительная автокорреляция
Отрицательная автокорреляция
1 Модель множественной регрессии всегда включает случайную составляющую Метод
1 Модель множественной регрессии всегда включает случайную составляющую Метод
Последствия автокорреляции
Обнаружение автокорреляции
Тест Дарбина-Уотсона.
Тест Дарбина-Уотсона.
Статистика Дарбина-Уотсона
Границы для статистики Дарбина-Уотсона
Критические точки распределения Дарбина-Уотсона
Критические точки распределения Дарбина-Уотсона
Расположение критических точек распределения Дарбина-Уотсона
Расположение критических точек распределения Дарбина-Уотсона
Устранение автокорреляции
Устранение автокорреляции
Устранение автокорреляции
Устранение автокорреляции
1 Модель множественной регрессии всегда включает случайную составляющую Метод
Пример
Пример
Пример
Пример
Пример
Пример
1/33
Средняя оценка: 4.1/5 (всего оценок: 88)
Код скопирован в буфер обмена
Скачать (1106 Кб)
Реклама. Продолжение ниже
1

Первый слайд презентации

1 Модель множественной регрессии всегда включает случайную составляющую Метод наименьших квадратов является наилучшим только если случайная составляющая обладает двумя свойствами 1) случайная составляющая является гомоскедастичной (имеет постоянную дисперсию) 2) в случайной составляющей отсутствует автокорреляция (ошибки в разных наблюдениях независимы, т.е. не коррелированы друг с другом)

Изображение слайда
1/1
2

Слайд 2: Определение автокорреляции

Пусть нарушено второе условие. В модели есть автокорреляция

Изображение слайда
1/1
3

Слайд 3: Причины автокорреляции

Обычно автокорреляция встречается в регрессионном анализе при использовании временных рядов. Для временных рядов предположение о некоррелированности ошибок часто не выполняется, так как результаты предыдущих наблюдений влияют на результаты следующих.

Изображение слайда
1/1
4

Слайд 4: Причины чистой автокорреляции

Примеры: 1. y — последовательность значений курса ценной бумаги; t — время. Результаты предыдущих торгов влияют на результаты последующих

Изображение слайда
1/1
5

Слайд 5: Причины чистой автокорреляции

Примеры: 2. y — спрос на мороженое; x — доход потребителей. Данные фиксировались ежемесячно в течение нескольких лет. y лето лето зима зима Положительная автокорреляция x

Изображение слайда
1/1
6

Слайд 6: Причины чистой автокорреляции

x y Отрицательная автокорреляция пилообразная структура ряда

Изображение слайда
1/1
7

Слайд 7: Автокорреляция первого порядка

 случайная составляющая рассматриваемого уравнения регрессии,   коэффициент автокорреляции первого порядка, u  случайная составляющая, независимы Автокорреляция первого порядка

Изображение слайда
1/1
Реклама. Продолжение ниже
8

Слайд 8: Классический случай (автокорреляция отсутствует)

Изображение слайда
Изображение для работы со слайдом
1/2
9

Слайд 9: Положительная автокорреляция

Положительная автокорреляция – наиболее важный для экономики случай

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
1/3
10

Слайд 10: Отрицательная автокорреляция

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
1/3
11

Слайд 11

Год Close (расходы на одежду) R_income (личный располагаемый доход) P_close (индекс цен) 1959,00 36,3 479,70 72,00 1960,00 37,3 489,70 72,90 1961,00 38,9 503,80 73,40 1962,00 39,6 524,90 73,70 1963,00 42,6 542,30 74,50 1964,00 44,2 580,60 75,00 1965,00 46,9 616,30 75,80 1966,00 46,9 646,80 78,00 1967,00 49 673,50 81,40 1968,00 50 701,30 86,00

Изображение слайда
1/1
12

Слайд 12

Коэффициенты Стандартная ошибка t-статистика P-Значение Y-пересечение -8,64008 2,1769 -3,96898 0,00065 R_income 0,020998 0,01378 1,523784 0,14181 P_close 0,505396 0,110567 4,570932 0,00015 График остатков соответствует положительной автокорреляции

Изображение слайда
1/1
13

Слайд 13: Последствия автокорреляции

1. Оценки МНК перестают быть наилучшими. 2. Проверка гипотез значимости некорректна.

Изображение слайда
1/1
14

Слайд 14: Обнаружение автокорреляции

1. Графический метод. 2. Критерий знаков. 3. Критерий Дарбина-Уотсона. 4. Тест серий (Бреуша-Годфри) В специализированных эконометрических пакетах эти тесты есть

Изображение слайда
1/1
Реклама. Продолжение ниже
15

Слайд 15: Тест Дарбина-Уотсона

1. Вычислить остатки

Изображение слайда
1/1
16

Слайд 16: Тест Дарбина-Уотсона

1. Вычислить остатки 2. Вычислить оценку коэффициента автокорреляции остатков Остатки Остатки со сдвигом -1,521 -1,18583 -1,521 -0,13459 -1,18583 -0,02926 -0,13459 2,201064 -0,02926 2,744158 2,201064 4,290227 2,744158 2,537928 4,290227 С помощь функции КОРРЕЛ вычислить коэффициент корреляции между двумя столбцами 0,715853

Изображение слайда
1/1
17

Слайд 17: Статистика Дарбина-Уотсона

3. Вычислить статистику Дарбина-Уотсона:

Изображение слайда
1/1
18

Слайд 18: Границы для статистики Дарбина-Уотсона

Если, то Если, то Если, то

Изображение слайда
1/1
19

Слайд 19: Критические точки распределения Дарбина-Уотсона

4. Для более точного определения, какое значение DW свидетельствует об отсутствии автокорреляции, а какое – о ее наличии, построена таблица критических точек распределения Дарбина-Уотсона. По этой таблице для заданного уровня значимости , числа наблюдений n и числа регрессоров k определяются два значения: d н – нижняя граница, d в – верхняя граница

Изображение слайда
1/1
20

Слайд 20: Критические точки распределения Дарбина-Уотсона

Изображение слайда
Изображение для работы со слайдом
1/2
21

Слайд 21: Расположение критических точек распределения Дарбина-Уотсона

2 4 0 d н d в Положительная автокорреляция Отрицательная автокорреляция Отсутствие автокорреляции 4- d н 4- d в Зоны неопределенности

Изображение слайда
1/1
22

Слайд 22: Расположение критических точек распределения Дарбина-Уотсона

2 4 0 1,21 1,55 Положительная автокорреляция Отрицательная автокорреляция Отсутствие автокорреляции 4-1,21 4-1,55 Зоны неопределенности n=25, k= 3, 0,57 Есть положительная автокорреляция!

Изображение слайда
1/1
23

Слайд 23: Устранение автокорреляции

Предположим, что мы оценили модель МНК и выяснили, что в модели есть автокорреляция. Коэффициент автокорреляции оценили по остаткам модели

Изображение слайда
1/1
24

Слайд 24: Устранение автокорреляции

Изображение слайда
1/1
25

Слайд 25: Устранение автокорреляции

Изображение слайда
1/1
26

Слайд 26: Устранение автокорреляции

независимы, значит к новой модели можно применять МНК

Изображение слайда
1/1
27

Слайд 27

Год Close (расходы на одежду) R_income (личный располагаемый доход) P_close (индекс цен) 1959,00 36,3 479,70 72,00 1960,00 37,3 489,70 72,90 1961,00 38,9 503,80 73,40 1962,00 39,6 524,90 73,70 1963,00 42,6 542,30 74,50 Коэффициенты Стандартная ошибка t-статистика P-Значение Y-пересечение -8,64008 2,1769 -3,96898 0,00065 R_income 0,020998 0,01378 1,523784 0,14181 P_close 0,505396 0,110567 4,570932 0,00015

Изображение слайда
1/1
28

Слайд 28: Пример

Создаем новые переменные. Сначала создаем столбцы со сдвигом Год close R_income P_close close_1 R_income_1 P_close_1 1959,00 36,3 479,70 72,00 1960,00 37,3 489,70 72,90 36,30 479,70 72,00 1961,00 38,9 503,80 73,40 37,3 489,70 72,90 1962,00 39,6 524,90 73,70 38,9 503,80 73,40 1963,00 42,6 542,30 74,50 39,6 524,90 73,70 1964,00 44,2 580,60 75,00 42,6 542,30 74,50 1965,00 46,9 616,30 75,80 44,2 580,60 75,00

Изображение слайда
1/1
29

Слайд 29: Пример

Вычисляем Close_new =close-0,72*close_1 close_new R_income_new P_close_new 11,16 144,32 21,06 12,04 151,22 20,91 11,59 162,16 20,85 14,09 164,37 21,44 13,53 190,14 21,36 15,08 198,27 21,80 R_income _new =R_income-0,72*R_income_1 P_close _new =P_close-0,72*P_close_1

Изображение слайда
1/1
30

Слайд 30: Пример

Коэффициенты Стандартная ошибка t-статистика P-Значение Y-пересечение -1,91252 1,644437 -1,16302 0,257867 R_income_ new 0,018497 0,020957 0,882623 0,387432 P_close _new 0,512144 0,153753 3,330962 0,003172

Изображение слайда
1/1
31

Слайд 31: Пример

Коэффициенты Стандартная ошибка t-статистика P-Значение Y-пересечение -1,91252 1,644437 -1,16302 0,257867 R_income _new 0,018497 0,020957 0,882623 0,387432 P_close _new 0,512144 0,153753 3,330962 0,003172 Close _ new=0,02 * R_Income_new+0,51 * P_close_new-1,91

Изображение слайда
1/1
32

Слайд 32: Пример

Коэффициенты Стандартная ошибка t-статистика P-Значение Y-пересечение -1,91252 1,644437 -1,16302 0,257867 R_income _new 0,018497 0,020957 0,882623 0,387432 P_close _new 0,512144 0,153753 3,330962 0,003172 Close _ new=0,02 * R_Income_new+0,51 * P_close_new-1,91

Изображение слайда
1/1
33

Последний слайд презентации: 1 Модель множественной регрессии всегда включает случайную составляющую Метод: Пример

Close=0,02 * R_Income+0,51 * P_close-6,82 Коэффициенты Стандартная ошибка t-статистика P-Значение Y-пересечение -1,91252 1,644437 -1,16302 0,257867 R_income _new 0,018497 0,020957 0,882623 0,387432 P_close _new 0,512144 0,153753 3,330962 0,003172 Close _ new=0,02 * R_Income_new+0,51 * P_close_new-1,91

Изображение слайда
1/1
Реклама. Продолжение ниже