выявление и устранение
Автокорреляция, выявление и устранение
Мультиколлениарность, выявление и устранение
- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками презентация
Содержание
- 1. Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками
- 2. Предпосылки метода наименьших квадратов
- 3. Условия Гаусса-Маркова условие условие условие условие
- 4. Гетероскедостичность, выявление и устранение
- 5. гомоскедостичность гетероскедостичность
- 6. Пример гетероскедостичности в пространственных данных: эффект масштаба
- 9. Пример гетероскедостичности в пространственных данных: эффект выбросов
- 13. Пример гетероскедостичности в пространственных данных: неверная спецификация
- 17. Методы обнаружения гетероскедастичности графический анализ отклонений тест
- 18. Графический анализ отклонений гомоскедостичность гетероскедостичность
- 19. Тест ранговой корреляции Спирмена 1 этап.
- 20. Тест Парка 1 этап. Строится уравнение регрессии:
- 21. 1 этап. Строится уравнение: 2 этап.
- 22. Тест Гольфельда-Квандта 1
- 23. Метод взвешенных наименьших квадратов разделим
- 24. Дисперсии пропорциональны xi Дисперсии пропорциональны
Предпосылки метода наименьших квадратов
Слайд 1Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками
Предпосылки метода наименьших квадратов
Гетероскедостичность,
Слайд 6Пример гетероскедостичности в пространственных данных: эффект масштаба
X – стоимость основных производственных
фондов (млн. руб.)
Y – прибыль предприятия (млн. руб.).
Y – прибыль предприятия (млн. руб.).
Слайд 9Пример гетероскедостичности в пространственных данных: эффект выбросов
X - численность официально зарегистрированных
безработных (чел.)
Y - число зарегистрированных преступлений (ед.).
Y - число зарегистрированных преступлений (ед.).
Слайд 13Пример гетероскедостичности в пространственных данных: неверная спецификация
X – затраты на рекламу
Y
– прибыль предприятия
Слайд 17Методы обнаружения гетероскедастичности
графический анализ отклонений
тест ранговой корреляции Спирмена
тест Парка
тест Глейзера
тест Голдфреда-Квандта
тест
Уайта
Слайд 19
Тест ранговой корреляции Спирмена
1 этап. Значения xi и εi ранжируются. Затем
определяется коэффициент по формуле:
2 этап. Находится t-фактическое по формуле:
3 этап. tфакт сравнивается tтабл (α/2; v=n-2). Если tфакт > tтабл то необходимо отклонить гипотезу об отсутствии гетероскедостичности
RiX, Riε - ранги по независимой переменной и случайным отклонениям;
n – объем изучаемой совокупности.
Слайд 20Тест Парка
1 этап. Строится уравнение регрессии:
2 этап. Для каждого наблюдения
определяется:
3 этап. Строится регрессионное уравнение:
4 этап. Проверяется статистическая значимость коэффициента β на основе t-статистики.
Если коэффициент β значим, то это означает наличие связи между т.е.
гетероскедостичности в статистических данных присутствует
Слайд 211 этап. Строится уравнение:
2 этап. Находят:
3 этап. Строится регрессия:
4 этап. С помощью t-критерия Стьюдента проверяют значимость коэффициента β, и если он значим tфакт > tтабл то:
Тест Глейзера
гетероскедостичности в статистических данных присутствует
Слайд 22
Тест Гольфельда-Квандта
1 этап. Все n наблюдений упорядочиваются по величине X.
2
этап. Вся упорядоченная выборка после этого разбивается на три подвыборки размером k, (n-2k), k соответственно.
4 этап. Для сравнения соответствующих дисперсий строится F- статистика:
где: m - число объясняющих переменных в уравнении регрессии.
5 этап. Если Fфакт > Fтабл (α, v1=v2=k-m-1), то гипотеза об отсутствии гетероскедостичности отклоняется.
3 этап. Оцениваются отдельные регрессии для первой подвыборки (k первых наблюдений) и для третьей подвыборки (k последних наблюдений).
Слайд 23Метод взвешенных наименьших квадратов
разделим обе части уравнения на:
При этом для ui
выполняется условие гомоскедастичности.
Слайд 24Дисперсии пропорциональны xi
Дисперсии пропорциональны xi2
В ряде случаев для устранения гетероскедастичности необходимо
изменить спецификацию модели (например, линейную на лог-линейную, мультипликативную на аддитивную и т. п.).
