- 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
Нарушения предпосылок МНК презентация
Содержание
- 1. Нарушения предпосылок МНК
- 2. Мультиколлинеарность (МТК) – это явление высокой взаимной
- 3. Частичная (реальная ) МТК при сильных корреляционных
- 4. Последствия МТК: Оценки коэффициентов УМР ненадежны и
- 5. Последствия МТК: Оценки коэффициентов УМР становятся очень
- 6. Практические рекомендации по выявлению МТК: Плохая обусловленность
- 7. Практические рекомендации по выявлению МТК: Анализ матрицы
- 8. Практические рекомендации по выявлению МТК: 6.
- 9. Методы устранения мультиколлинеарности 5. Переход к смещенным методам оценивания «Ридж – регрессия» («гребневая регрессия»)
- 10. 2. Гетероскедастичность
- 11. 1) Гомоскедастичность Гетероскедастичность 2)
- 12. Методы обнаружения гетероскедастичности: Графический анализ
- 13. Статистики Тест Бреуша-Пагана Тест Уайта
- 14. Обобщенный метод наименьших квадратов Теорема. Если в
- 15. Взвешенный метод наименьших квадратов Теорема. Если в
- 16. 3. Автокорреляция
- 17. Понятие автокорреляции Модель называется автокоррелированной, если не
- 18. Причины АК : неправильный выбор спецификации модели
- 19. Понятие автокорреляции Тренд Диаграмма рассеяния с положительной автокорреляцией.
- 20. Понятие автокорреляции Пример отрицательной автокорреляции случайных возмущений.
- 21. Последствия автокорреляции при применении МНК: оценки коэффициентов
- 22. Основные методы обнаружение АК: Графический метод Тест Дарбина-Уотсона Метод рядов
- 23. Тест Дарбина-Уотсона 1. Предпосылки теста. Случайные возмущения
- 24. Тест Дарбина-Уотсона Для статистики DW не возможно
- 25. Тест Дарбина-Уотсона
- 26. Обобщенный метод наименьших квадратов Теорема. Если в
Мультиколлинеарность (МТК) – это явление высокой взаимной коррелированности НП. Два вида МТК:
1) совершенная (строгая, полная)
2) несовершенная (частичная)
Полная МТК при наличии функциональных связей между НП.
Это
Слайд 1Тема3. Нарушения предпосылок МНК
1. Мультиколлинеарность
2. Гетероскедастичность
3. Автокрреляция
Слайд 2Мультиколлинеарность (МТК) – это явление высокой взаимной коррелированности НП.
Два вида МТК:
1)
совершенная (строгая, полная)
2) несовершенная (частичная)
Полная МТК при наличии функциональных связей между НП.
Это нарушение требования к рангу матрицы:
2)
1)
Слайд 3Частичная (реальная ) МТК при сильных корреляционных связях между НП (высокие
коэффициенты парной корреляции).
Если значения коэффициентов корреляции по абсолютной величине близки к 1, то почти совершенная МТК
Слайд 4Последствия МТК:
Оценки коэффициентов УМР ненадежны и неустойчивы (увеличиваются стандартные ошибки оценок
и уменьшаются t-статистики МНК-оценок)
МНК-оценки коэффициентов неустойчивы (чувствительны к изменениям данных и размерности выборки)
Возможность получения неверного знака у коэффициентов регрессии
МНК-оценки коэффициентов неустойчивы (чувствительны к изменениям данных и размерности выборки)
Возможность получения неверного знака у коэффициентов регрессии
Слайд 5Последствия МТК:
Оценки коэффициентов УМР становятся очень чувствительными к ошибкам спец.
Осложнение
процесса определения наиболее существенных факторов
Затрудняет экономическую интерпретацию коэффициентов УМР (выделение характеристик влияния факторов на ЗП в чистом виде)
ОДНАКО:
Оценки коэффициентов остаются несмещенными
Оценки коэффициентов немультикол.
факторов не ухудшаются
Затрудняет экономическую интерпретацию коэффициентов УМР (выделение характеристик влияния факторов на ЗП в чистом виде)
ОДНАКО:
Оценки коэффициентов остаются несмещенными
Оценки коэффициентов немультикол.
факторов не ухудшаются
Слайд 6Практические рекомендации по выявлению МТК:
Плохая обусловленность матрицы (X’X), т.е. det(X’X)≈0
Близость к
нулю минимального собственного числа λmin матрицы (X’X).
Слайд 7Практические рекомендации по выявлению МТК:
Анализ матрицы парных коэффициентов корреляции между НП
(матрицы межфакторной корреляции)
Присутствие в матрице парных коэффициентов корреляции значений коэффициентов интеркорреляции, превосходящих по абсолютной величине 0,7 – 0,80
Результаты анализа надежны лишь в случае двух НП
Присутствие в матрице парных коэффициентов корреляции значений коэффициентов интеркорреляции, превосходящих по абсолютной величине 0,7 – 0,80
Результаты анализа надежны лишь в случае двух НП
Слайд 8Практические рекомендации по выявлению МТК:
6. Анализ показателей частной корреляции
Коэффициент корреляции между
двумя переменными, очищенный от влияния других переменных, наз. частным коэф. корреляции (ЧКК)
Слайд 9Методы устранения мультиколлинеарности
5. Переход к смещенным методам оценивания
«Ридж – регрессия» («гребневая
регрессия»)
Слайд 12
Методы обнаружения гетероскедастичности:
Графический анализ остатков
Тест ранговой корреляции Спирмена
Тест Голдфелда-Квандта
Тест Глейзера
Тест Парка
Тест
Бреуша-Пагана
Тест Уайта
Тест Уайта
Слайд 14Обобщенный метод наименьших квадратов
Теорема. Если в схеме Гаусса-Маркова не выполняется предпосылка
о гомоскедастичности и некорелированности случайных возмущений, то наилучшей линейной процедурой оценки параметров модели является:
Р - матрица ковариаций случайных возмущений
(положительно определенная матрица)
Слайд 15Взвешенный метод наименьших квадратов
Теорема. Если в схеме Гаусса-Маркова не выполняется предпосылка
о гомоскедастичности случайных возмущений, то наилучшей линейной процедурой оценки параметров модели является:
Р - матрица ковариаций случайных возмущений :
Слайд 17Понятие автокорреляции
Модель называется автокоррелированной, если не выполняется третья предпосылка теоремы Гаусса-Маркова:
при i≠j.
Автокорреляция чаще всего появляется в моделях временных рядов и моделировании циклических процессов.
Слайд 18Причины АК :
неправильный выбор спецификации модели
Наличие ошибок измерения ЗП
Цикличность значений экономических
показателей
Запаздывание изменений значений экономических показателей по отношению к изменениям экономических условий
Сглаживание данных
Запаздывание изменений значений экономических показателей по отношению к изменениям экономических условий
Сглаживание данных
Слайд 21Последствия автокорреляции при применении МНК:
оценки коэффициентов теряют эффективность
но остаются линейными и
несмещенными
дисперсии оценок являются смещенными (часто занижены)
оценка остаточной дисперсии регрессии является смещенной (часто заниженной)
выводы по критериям Стьюдента и Фишера могут оказаться неверными. Это ухудшает прогнозные качества РМ.
дисперсии оценок являются смещенными (часто занижены)
оценка остаточной дисперсии регрессии является смещенной (часто заниженной)
выводы по критериям Стьюдента и Фишера могут оказаться неверными. Это ухудшает прогнозные качества РМ.
Слайд 23Тест Дарбина-Уотсона
1. Предпосылки теста.
Случайные возмущения распределены по нормальному закону.
Имеет место авторегрессия
первого порядка:
2. Статистика для проверки гипотезы:
М(ut)=0; σ(ut)=Const
Слайд 24Тест Дарбина-Уотсона
Для статистики DW не возможно найти критическое значение, т.к. оно
зависит не только от Рдов и степеней свободы p и n-1, но и от абсолютных значений регрессоров.
Возможно определить границы интервала DL и Du внутри которого критическое значение DWкр находится:
DL ≤ DWкр ≤ Du
Значения Du и DL находятся по таблицам.
Возможно определить границы интервала DL и Du внутри которого критическое значение DWкр находится:
DL ≤ DWкр ≤ Du
Значения Du и DL находятся по таблицам.
Слайд 25Тест Дарбина-Уотсона
Нет автокорреляции
Положительная автокорреляция
Отрицательная автокорреляция
Интервалы (DL, Du) и (4-DL, 4-Du) зоны
неопределенности.
10
2
4
0
dL
dU
dcrit
положительная автокорреляция
отрицательная автокорреляция
нет автокорреляции
dcrit
Слайд 26Обобщенный метод наименьших квадратов
Теорема. Если в схеме Гаусса-Маркова не выполняется предпосылка
о гомоскедастичности и некорелированности случайных возмущений, то наилучшей линейной процедурой оценки параметров модели является:
Р - матрица ковариаций случайных возмущений
(положительно определенная матрица)
