WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 14 | 15 || 17 | 18 |   ...   | 20 |

Замечание. Критерии Дарбина-Уотсона и Голдфелда-Квандта являются точными, в том смысле, что онинепосредственно учитывают количество наблюдений. В противоположность этому,критерий Жарка-Бера является асимптотическимкритерием: распределение статистики хорошоприближается распределениемтолько при большом количественаблюдений. Поэтому вполне полагаться на результатыприменения критерия Жарка-Бера можно только в таких ситуациях. Помимо критерияЖарка-Бера в специализированные пакеты программ статистического анализа данныхчасто встраиваются и другие асимптотические критерии, например, критерии Уайтаи Бройша-Годфри, которые рассматриваются ниже.

Критерий Бройша-Годфри(Breusch-Godfrey). Этот критерий используется в рядепакетов статистического анализа данных (например, в EVIEWS) для проверки гипотезы некоррелированности ошибок в моделинаблюдений

При наших предположениях это соответствуетгипотезе независимости в совокупности случайных величин Напомним, что критерийДарбина — Уотсонаоснован на рассмотрении модели наблюдений, в которой случайныесоставляющие связаны соотношением

где, а — независимые в совокупностислучайные величины, имеющие одинаковое нормальное распределение. В такоймодели наблюдений случайные составляющие, разделенные двумя или более периодамивремени и очищенные от влияния промежуточных, оказываются независимыми.

Критерий Бройша-Годфри допускаетзависимость случайных составляющих, разделенных периодами времени и такжеочищенных от влияния промежуточных; соответствующая модель зависимости имеетвид

Статистика этого критерия равна, где -коэффициент детерминации, получаемый при оценивании модели

а - остатки, полученные при оцениванииосновной модели наблюдений. (Недостающие значения заменяютсянулями.)

В рамках последней модели проверяетсягипотеза

Если эта гипотеза верна, то при большом количестве наблюденийстатистика критерия имеет распределение, близкое к распределению хи-квадратс степенями свободы. Гипотеза отвергается при заданном уровнезначимости, если вычисленное значение превышаеткритическое значение, равное квантили уровняуказанного распределения, т. е. если

Конечно, при интерпретации результатовприменения критерия Бройша-Годфри следует помнить, что этот критерийасимптотический, тогда каккритерий Дарбина-Уотсона точный. Однако возможность применения критерия Дарбина-Уотсонаограничивается тем, что

он допускает зависимость «очищенных»случайных ошибок только на один шаг, т. е. ;

он неприменим в ситуациях, когда в числообъясняющих переменных включаются запаздывающие значения объясняемойпеременной.

Критерий же Бройша-Годфри свободен от этихограничений.

Критерий Уайта (White). Этот критерий используется в ряде пакетов статистического анализаданных (например, в EVIEWS) для проверкиоднородности дисперсий ошибок в моделинаблюдений

Критерий имеет два варианта.

Вариант I. Врамках модели

где - остатки, полученные при оцениванииосновной модели наблюдений, проверяется гипотеза

Статистика критерия равна, где-коэффициент детерминации, получаемый при оценивании последнеймодели.

Если указанная гипотеза верна, топри большом количестве наблюдений статистика критерия имеет распределение, близкое краспределению хи-квадрат с степенями свободы. Гипотеза отвергаетсяпри заданном уровне значимости, если вычисленное значение превышает критическое значение, равноеквантили уровня указанного распределения, т. е. если

Вариант II. Врамках модели

где - остатки, полученные при оцениванииосновной модели наблюдений, проверяется гипотеза

Статистика критерия равна, где-коэффициент детерминации, получаемый при оценивании последнеймодели.

Если указанная гипотеза верна, топри большом количестве наблюдений статистика критерия имеет распределение, близкое краспределению хи-квадрат с степенями свободы. Гипотеза отвергаетсяпри заданном уровне значимости, если вычисленное значение превышает критическое значение, равноеквантили уровня указанного распределения, т. е. если

Как и в случае критерия Бройша-Годфри, приинтерпретации результатов применения обоих вариантов критерия Уайта следуетпомнить, что этот критерий асимптотический.

Замечание. Приописании критериев Уайта мы неявно предполагали, что. Если постоянная невключена в исходную модель наблюдений, то в моделях, оцениваемых на втором шагеобоих вариантов критерия Уайта, суммирование следует производить, начиная с.

3.3. НЕАДЕКВАТНОСТЬ ПОДОБРАННОЙ МОДЕЛИ:ПРИМЕРЫ И ПОСЛЕДСТВИЯ

Пример. Рассмотрим статистическиеданные по США за период с 1959 по 1985 г. г. о следующих макроэкономическихпоказателях:

DPI — годовой совокупный располагаемый личный доход;

CONS — годовые совокупные потребительские расходы;

ASSETS — финансовые активы на конец календарного года

(все показатели в млрд. долларов, в ценах1982 г.).

Представление об изменении этихмакроэкономических показателей дает следующий график:

Рассмотрим модель наблюдений

где индексу tсоответствует (1958+ t) год. Это модель с 3 объясняющими переменными:

символ обозначает переменную, значения которой запаздывают на одну единицу времени относительно значений переменной.

Оценивание этой модели дает следующиерезультаты:,

объясняющие переменные имеют высокую статистическую значимость. Ниже представленыдиаграмма рассеяния дляпредсказанных (CONSF) и наблюдаемых (CONS) значений переменной, а также график зависимостистандартизованных остатков (RESID_STAND) отпредсказанных (CONSF) значений переменной :

Левый график отражает высокое значениекоэффициента детерминации. На правом графике заметно возрастание разброса точекотносительно нулевого уровня при значениях.

Поскольку первый из приведенных в этомпримере графиков указывает на возрастание годовых потребительских расходовс течением времени, дляреализации процедуры Goldfeld-Quandt естественно воспользоваться уже имеющимся упорядочением наблюденийво времени (это и будет направлением ожидаемого возрастания дисперсий случайныхошибок). Заметим теперь, что вследствие использования статистических данных,начиная с 1959 года, мы не имеем в своем распоряжении значения, соответствующего 1958 году. Поэтому реально при оцениваниикоэффициентов модели наблюдений мы используем только26 (а не 27) наборов значений,.

Выделим из этих 26 наблюдений две группы,состоящие из первых 10 и последних 10 наборов значений, соответствующие периодам с 1960 по 1969 и с 1976 по 1985 годы(так что отброшены центральных наблюдений). Прираздельном подборе линейной модели по этим группам наблюдений получаемостаточные суммы квадратов и, соответственно, так что наблюдаемое значение - статистики критерия Goldfeld-Quandtравно

Если стандартные предположения о случайныхошибках в модели наблюдений выполнены, то тогда отношение указанных остаточных сумм квадратов какслучайных величин имеет -распределение Фишера =. Если мы, как обычно, задаем уровеньзначимости равным, то соответствующее этому уровнюзначимости критическое значение -статистики равно

Наблюдаемое значение этой статистикипревышает критическое;поэтому гипотеза выполнения стандартных предположений об ошибках отклоняется в пользугипотезы возрастания дисперсий с ростом значений. Заметим, наконец,что вероятность превышения случайной величиной с распределением значения равна

Сравним результаты применения критерияГолдфелда-Квандта с результатами, получаемыми при использовании двух вариантовкритерия Уайта.

При использовании первого варианта наблюдаемое значениестатистики критерия равно. Поскольку, то число степеней свободысоответствующего распределения хи-квадрат равно. Вероятность того, чтослучайная величина, имеющая такое распределение, превысит значение, равна,так что значение меньшекритического, а значит, гипотеза однородностидисперсий этим вариантом критерия Уайта неотвергается.

При использовании второго варианта наблюдаемое значениестатистики критерия равно. Число степеней свободы соответствующегораспределения хи-квадрат равно. Вероятность того, что случайная величина,имеющая такое распределение, превысит значение, равна, так что значениеменьше критического, азначит, гипотеза однородности дисперсий неотвергается и этим вариантом критерияУайта.

Таким образом, статистические выводыотносительно однородности дисперсий случайных составляющих в рассматриваемоймодели наболюдений оказались противоречивыми: гипотеза однородностиотвергается критерием Голфелда-Квандта, но не отвергается обоими вариантамикритерия Уайта. Как можно объяснить такое противоречие

  • Оба варианта критерия Уайта асимптотические, тогда как критерийГолдфелда-Квандта учитывает реально имеющееся количествонаблюдений.
  • Оба варианта критерия Уайта являются критериями согласия, не настроенными накакой-то специфическийкласс альтернатив гипотезе однородности, тогда как использование критерияГолдфелда-Квандта непосредственно связано с альтернативой, выраженной в формевозрастания дисперсий ошибок для соответствующего упорядочения наблюдений. Издесь проявляется общее положение: критерии, построенные с расчетом наузкий класс альтернатив,оказываются более мощнымипо сравнению с критериями, рассчитанными на болееширокий класс альтернатив, т. е. чаще отвергают нулевую гипотезу, когдаона не верна.

Рассмотрим теперь график зависимости стандартизованных остатков от номера наблюдений и его вариант ввиде зависимости от года наблюдения:

Здесь обращает на себя внимание наличиесерий остатков одинакового знака, что сигнализирует о том, что ошибки в модели наблюдений скореевсего имеют положительную автокорреляцию. Для 26 наблюдений и объясняющихпеременных границы для критического значения статистики Дарбина-Уотсона при (односторонний критерий)равны

В то же время, вычисленное по остаткам отоцененной модели значение статистики Дарбина-Уотсона равно

,

что меньшенижней границы Следовательно,нулевая гипотеза о выполнении стандартных предположений отклоняется в пользугипотезы о положительнойавтокоррелированности ошибок.

Сравним результаты применения критерияДарбина-Уотсона с результатами, получаемые при использовании критерияБройша-Годфри.

Если исходить из допущения зависимостиочищенных случайных ошибок только наодин шаг, как это делается при использовании критерияДарбина-Уотсона, то в этом случае вычисленное значение статистики критерияБройша-Годфри равно, что соответствует -значению, равному. Гипотезанезависимости ошибок отвергается, что согласуется с результатом, полученным при использовании критерияДарбина-Уотсона.

В то же время, если взять, то тогда, чтосоответствует -значению, равному. Гипотеза независимости ошибок в этом случаене отвергается приустановленном уровне значимости, что расходится с результатом, полученным прииспользовании критерия Дарбина-Уотсона. Эта гипотеза не отвергается также привыборе, и т.д., и это вполне объяснимо: выбор,,соответствует выбору все более широких альтернатив по сравнению с, что приводит к уменьшению вероятности отвергнутьгипотезу независимости ошибок в случае, когда она не верна.

Проверим, наконец, предположение онормальном распределении ошибок. Сначала рассмотрим диаграмму«квантиль-квантиль»(Q-Q plot) и диаграмму плотности (DPP-plot):

Первая диаграмма не выглядитудовлетворительной; вторая обнаруживает определенную асимметрию. Выборочныйкоэффициент асимметрии равен здесь -1.285, а выборочный коэффициентэксцесса равен 5.321. Обаэти значения говорят отнюдь не в пользу нормальности ошибок. Статистикакритерия Jarque-Bera принимает значение 12.997, что соответствует Следовательно,имеющиеся данные не подтверждают гипотезу о выполнении стандартных предположений об ошибках и поэтому критерию.

В связи со столь неутешительнымирезультатами в отношении проверки гипотезы выполнения стандартных предположенийв рассмотренном примере, возникает естественный вопрос о том, как именно влияют нарушения этих предположений на статистическиевыводы.

Неоднородность дисперсий ошибок(гетероскедастичность, heteroscedasticity).Этот вид нарушений стандартных предположенийхарактерен для статистических данных, относящихся к одному моменту времени, нособранных по различным регионам, различным предприятиям, различным социальнымгруппам (данные в сечениях, cross-sectiondata). Неоднородность дисперсий возникает также какрезультат тех или иных структурныхизменений в экономике, например связанных с мировымиэкономическими кризисами. Последний пример как раз и иллюстрирует подобнуюситуацию: резкое возрастание абсолютных величин остатков в этом примереотносится к периоду глобального нефтяного кризиса.

Последствия неоднородности дисперсийошибок:

  • Оценки дисперсий случайных величин (оценок коэффициентов линейной модели)оказываются смещенными.
  • Построенные доверительныеинтервалы для несоответствуют заявленным уровням значимости.
  • Вычисленные значения - и - отношений уже нельзя рассматривать как наблюдаемые значения случайных величин, имеющих- и -распределения, соответствующие стандартным предположениям. Поэтомусравнение вычисленных значений - и - отношений с квантилями указанных - и-распределений может приводить кошибочным статистическим выводам в отношении гипотез о значениях коэффициентовлинейной модели.

Автокоррелированность (сериальнаякорреляция) ошибок (autocorrelation, serial correlation). Этот вид нарушений стандартныхпредположений характерен для статистических данных, развернутых во времени(продольные данные, longitudial data). Автокоррелированность ошибок обычно возникает вследствиенаправильной спецификации модели, например, при невключении в модельсущественной объясняющей переменной с выраженной автокорреляцией.

Последствия автокоррелированностиошибок:

Pages:     | 1 |   ...   | 14 | 15 || 17 | 18 |   ...   | 20 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.