При проведении эконометрических исследований часто приходится иметь дело с временными последовательностями. Построение моделей на основе временных рядов как правило сопряжено с нарушением одного из условий Гаусса-Маркова: cov (ui, uj) = 0 i¹j, что свидетельствует о наличии автокорреляции в остатках.
Автокорреляция как и гетероскедастичность приводит к неэффективным оценкам параметров (коэффициентов) уравнения регрессии, а стандартные ошибки коэффициентов определяются со смещением в сторону занижения.
Возможные причины автокорреляции:
1. неправильная спецификация переменных;
2. ошибочная функциональная спецификация.
В простейшем случае – авторегрессионной модели 1-го порядка:
ui = r×ui-1+εi,
где ui – значение в i-том наблюдении,
ui-1 – значение в (i-1)-м наблюдении,
εi – случайно распределенная величина.
В каждом i-м наблюдении случайная компонента равна предыдущему значению, умноженному на r (-1<r<1) плюс новое значение εi. Если r>0, то автокорреляция положительная; если r<0, то отрицательная; если r=0, то автокорреляция отсутствует.
|
|
Безусловно, значения, εi измерить невозможно, но имеются значения остатков yi-ŷi = е i. Зная значения остатков можно вычислить оценку r= .
Для большой выборки можно приближенно взять: cov (ei;еi-1) = Var(li-1) =
средние значения остатков можно принять равными 0 т.е. I=0. Тогда
r =
Статистика (критерий) Дарбина-Уотсона (DW) позволяет тестировать наличие корреляции остатков в больших выборках:
DW = (1)
При отсутствии автокорреляции, r=0 и величина DW=2. При возможном наличии положительной автокорреляции величина DW<2, при возможном наличии отрицательной автокорреляции DW>2. Так как -1 r 1, то 0 DW 4.
Критические значения критерия DW зависят от числа объясняющих переменных в уравнении регрессии, от объема выборки и также от конкретных значений, принимаемых объясняющими переменными. Поэтому для критического значения (DWкр) можно указать лишь верхнюю (DWU) и нижнюю (DWL) границы, которые табулированы.
Графическая интерпретация для положительной и отрицательной автокорреляции приведена на рис.1.
Положительная Отрицательная
А Б В В Б А
0 DWL DWU 2 4 0 2 4-DWU 4-DWL 4
Рис. 1 Графическая интерпретация положительной и отрицательной автокорреляции.
Зона А соответствует наличию автокорреляции, Зона Б – область неопределенности. Зона В соответствует отсутствию автокорреляции. Так как значение DWкр находится в заштрихованной области, то возможны три варианта принятия решения:
1. Величина DW<DWL, значит DW<DWкр, принимается решение о наличии положительной автокорреляции.
2. Величина DW>DWU, значит DW>DWкр, принимается решение об отсутствии автокорреляции.
|
|
3. Величина DW находится в заштрихованной области (DWL<DW<DWU), решение о наличии или отсутствии автокорреляции не может быть принято.
Значения DWL и DWU табулированы и приводятся в статистических пособиях.
Проверка на наличие отрицательной автокорреляции производится аналогично, т. к. зона неопределенности согласно рисунку находится симметрично относительно DW=2 справа. В этом случае (4-DWU) есть нижний предел, а (4-DWL) – верхний предел DWкр.
Если DW < (4-DWU) – автокорреляция отсутствует;
DW > (4-DWL) – автокорреляция имеется;
4-DWU < DW < 4-DWL – область неопределенности.
Обобщенный МНК при наличии автокорреляции.
Рассмотрим простейшую модель авторегрессии для случайной компоненты (ut) [1].
ut = r··ut-1 + εt, (1)
где εt – независимая случайная величина;
r – коэффициент корреляции.
Содержательную модель выберем в виде уравнения парной регрессии
yt = b0 + b1·xt + ut. (2)
Для момента времени t-1 уравнение (2) будет иметь вид:
yt-1 = b0 + b1·xt-1 + ut-1. (3)
Вычтем из уравнения (1) уравнение (2), умноженное на ρ.
yt – r·yt-1 = b0(1 – r) + b1(xt – r·xt-1) + ut –r·ut-1. (4)
Обозначим в уравнении (4):
ỹt = yt – r·yt-1;
= xt – r·xt-1;
= 1 – r.
Тогда уравнение (4) примет вид:
ỹt = b0· + b1· + ut – r·ut-1 = b0· + b1· + εt. (5)
Если по уравнению (5) с использованием обычного МНК получить оценки b0 и b1, то они будут эффективными, т. к. выполняется третье условие Гаусса-Маркова (cov(εi, εj) = 0).
При малом объеме выборки проблемой может быть потеря первого наблюдения. Оценку r приближенно можно получить из теста Дарбина-Уотсона (D-W).
D-W = 2(1 – r).
Более точным является подход, базирующийся на итеративных процедурах, например, метод Кокрана-Оркайта [7].
Метод Кокрана-Оркайта включает в себя следующие этапы:
1. Оценить используя обычный МНК коэффициенты уравнения регрессии;
2. Вычислить остатки;
3. Оценить используя обычный МНК значение r из уравнения (1);
4. Подставить полученную оценку r в уравнение (5) и получить остатки;
5. Возвратиться к этапу 3. Процесс уточнения заканчивается при получении заданной точности по коэффициентам b0, b1.
В табл.1. приведены данные о доходности актива за t=20 периодов (недель). Определить наличие автокорреляции на остатках по данным табл.1.
Таблица 1. Доходность актива за t=20 недель.
t | ||||||||||||||||||||
у |
Для тестирования необходимо загрузить «Пакет анализа» и построить уравнение парной регрессии, распечатав значения остатков. Исходя из формулы (1) вычисляем значения и и затем значение DW. По табличным значениям по выбранному уровню значимости a и объему выборки определяем значение DWU и DWL согласно таблице приложения №2. В зависимости от конкретного значения DW принимаем одно из трех вышеприведенных решений.
Выполнение работы:
1. Определить наличие автокорреляции по данным из приведенной выше таблицы (табл.1).
2. В соответствии с выбранным вариантом взять выборку из табл.2., построить регрессионную модель и протестировать остатки.
Отчет должен содержать: название, цель работы, расчетные формулы, график остатков, расчетные и граничные значения критерия DW, результаты моделирования с использованием обобщенного МНК и выводы по обоим заданиям.
Таблица 2. Индивидуальные задания.
x | y1 | y2 | y3 | y4 | y5 | y6 | y7 | y8 |
143,5371 | 116,9243 | 88,49286 | 114,1743 | 134,3557 | 101,3114 | 142,6057 | 115,9929 | |
204,3031 | 196,7361 | 152,5277 | 189,3861 | 211,5446 | 218,5692 | 233,5946 | 226,0277 | |
268,1082 | 305,0966 | 267,8079 | 293,9204 | 305,1098 | 382,106 | 343,3157 | 373,6043 | |
293,3011 | 352,4172 | 300,1731 | 335,1094 | 351,6961 | 483,5672 | 415,095 | 468,4241 | |
245,5775 | 263,7857 | 142,1609 | 236,9199 | 296,9333 | 415,739 | 395,3292 | 421,2453 | |
261,9397 | 304,9419 | 151,7544 | 269,29 | 337,834 | 550,3618 | 472,475 | 541,9336 | |
301,4781 | 384,9693 | 264,8937 | 348,6316 | 401,3866 | 701,9888 | 558,5592 | 676,0259 | |
251,3617 | 285,8685 | 155,3811 | 248,6817 | 330,4266 | 601,3288 | 513,5719 | 599,182 | |
290,7717 | 369,4054 | 241,0424 | 327,675 | 398,4196 | 798,1958 | 613,0024 | 769,6432 | |
306,4794 | 399,4127 | 288,7672 | 359,1723 | 421,1445 | 868,0925 | 651,532 | 833,7185 | |
284,1616 | 356,8842 | 225,1779 | 314,5677 | 392,0223 | 862,6909 | 646,8244 | 834,5202 | |
262,676 | 317,3808 | 153,9921 | 271,605 | 365,7174 | 863,8899 | 644,2501 | 840,3447 | |
267,437 | 327,129 | 166,1938 | 281,1275 | 373,8144 | 916,7666 | 668,1841 | 888,7991 | |
279,766 | 349,2992 | 214,9871 | 305,7841 | 389,2572 | 971,857 | 693,5371 | 938,7026 | |
249,8025 | 287,8243 | 151,955 | 245,8561 | 342,49 | 904,5936 | 656,7046 | 886,2848 | |
238,2909 | 265,1688 | 119,3245 | 222,8323 | 325,9195 | 901,067 | 650,8937 | 886,6534 | |
259,8096 | 305,7361 | 180,271 | 265,8694 | 354,4426 | 965,7251 | 681,5063 | 943,5447 | |
242,0567 | 267,048 | 148,905 | 230,3634 | 323,0129 | 905,2883 | 649,8005 | 895,9191 | |
276,2478 | 335,4066 | 231,1764 | 298,7455 | 374,0626 | 1021,496 | 705,0122 | 995,2505 | |
227,1908 | 235,9759 | 109,6389 | 200,6315 | 298,1046 | 868,5374 | 627,6556 | 870,0521 | |
208,3772 | 200,7179 | 47,67581 | 163,0043 | 273,1386 | 839,6019 | 609,4363 | 848,002 | |
196,2937 | 173,7382 | 29,61038 | 138,8374 | 250,4956 | 780,6256 | 580,727 | 800,7321 | |
200,2851 | 177,234 | 64,68185 | 146,8201 | 249,7209 | 760,2373 | 571,6917 | 785,4497 | |
184,4518 | 244,4408 | -438,733 | 582,8371 | 801,512 |
y9 | y10 | y11 | y12 | y13 | y14 | y15 | y16 |
74,69858 | 129,4672 | 203,0114 | 216,1557 | 92,55572 | 133,3371 | 117,5371 | 142,5186 |
211,0023 | 332,1202 | 401,6292 | 334,4379 | 161,571 | 165,7048 | 151,5511 | 146,5274 |
408,9992 | 510,9988 | 640,424 | 439,8442 | 147,1656 | 178,8882 | 155,8962 | 160,1247 |
533,0503 | 604,348 | 810,2276 | 483,8286 | 143,6039 | 165,072 | 142,9925 | 146,878 |
441,5231 | 473,7659 | 804,5992 | 433,6861 | 61,98116 | 119,4999 | 96,05234 | 127,3026 |
625,2279 | 749,3746 | 995,816 | 502,3829 | 208,1305 | 199,1024 | 182,5058 | 165,5555 |
826,0781 | 842,8335 | 1198,938 | 557,0728 | 123,0195 | 167,0906 | 142,8436 | 152,9234 |
700,4153 | 655,5396 | 1145,134 | 473,5754 | 79,50016 | 120,5424 | 96,8116 | 123,8274 |
979,6559 | 1039,43 | 1384,635 | 568,412 | 232,5688 | 224,8249 | 207,8754 | 180,8176 |
1080,824 | 944,6531 | 1493,324 | 568,715 | 82,30334 | 137,5303 | 110,7903 | 136,4911 |
1095,638 | 986,6566 | 1523,22 | 537,8473 | 162,2932 | 175,0322 | 153,1458 | 150,8524 |
1120,704 | 949,6655 | 1556,536 | 521,7092 | 90,5391 | 138,3326 | 117,5342 | 138,9942 |
1212,923 | 1038,256 | 1638,637 | 536,7821 | 174,9947 | 181,6687 | 160,6226 | 155,1024 |
1307,35 | 1065,342 | 1720,318 | 549,0393 | 115,035 | 156,8838 | 135,4314 | 147,974 |
1241,227 | 942,8278 | 1677,249 | 498,3636 | 107,1407 | 139,069 | 115,9805 | 133,7118 |
1262,193 | 986,7787 | 1695,737 | 496,6389 | 129,0582 | 157,9444 | 140,057 | 147,5926 |
1367,988 | 1050,016 | 1780,427 | 527,8119 | 150,0294 | 169,679 | 148,4013 | 151,5936 |
1306,688 | 923,2464 | 1738,217 | 487,3206 | 81,63603 | 130,3166 | 108,5321 | 132,3461 |
1484,306 | 1153,971 | 1871,009 | 549,238 | 210,6542 | 205,0418 | 185,9852 | 168,7185 |
1297,364 | 799,9822 | 1733,141 | 456,2069 | -6,43847 | 79,84631 | 55,56602 | 108,6273 |
1283,533 | 931,8637 | 1717,936 | 456,7884 | 199,3335 | 184,6593 | 168,833 | 155,9452 |
1217,052 | 763,6357 | 1671,453 | 437,5101 | 23,31786 | 100,3697 | 80,98691 | 122,8552 |
1201,373 | 823,6375 | 1662,433 | 442,7722 | 181,9492 | 173,3726 | 154,9167 | 149,0797 |
1231,683 | 816,9513 | 1690,186 | 463,2845 | 73,11476 | 133,2193 | 114,9803 | 139,2615 |
|
|
|
|