1) Великі дисперсії та стандартні похибки оцінок.
2) Малі t – статистики коефіцієнтів (tex ).
3) Велика чутливість оцінок коефіцієнтів регресії до зміни вихідних даних.
4) Затрудняється визначення вкладу кожного з регресорів в дисперсію регресанта.
5) Збільшується можливість отримання оцінок коефіцієнтів регресії невірним знаком.
3.3. Тестування наявності мультиколінеарності в моделі. Алгоритм Фаррара-Глобера.
(1)
Ознаки наявності мультиколінеарності
1) високий коефіцієнт детермінації , але деякі коефіцієнти регресії статистично незначимі.
2) .
(2)
3) - присутня повна мультиколінеарність.
- мультиколінеарність відсутня.
- присутня мультиколінеарність
4) високий, а оцінка мала.
5) .
6) при введені нового регресора істотно змінюються параметри моделі.
будується для моделі
Алгоритм Фаррара-Глобера
Нехай відомою є вибірка
№ | Y | X1 | X2 | … | Xn |
1 | y1 | x11 | X21 | xn1 | |
2 | y2 | x12 | X22 | xn2 | |
… | … | … | … | … | |
m | ym | x1m | X2m | xnm |
1) для даної вибірки проводиться стандартизація
(3)
- оцінка дисперсії змінної .
2) будується кореляційна матриця
, (4)
- матриця коефіцієнтів, визначених у п. 1.
3) Визначається критерій
(5)
,
n - кількість регресорів (змінних x)
- мультикорінеарність у моделі (1) має місце.
4) Обчислюється матриця
(6)
5) Обчислюється критерій Фішера
(7)
- елемент матриці .
.
- то мультиколінеарна з іншими змінними.
Част. Коеф. Детермінації (8)
6) обчислюється частинний коефіцієнт кореляції
(9)
7) обчислюється t – критерій Стьюдента для ,
(10)
, то між , існує мультиколінеарність.
3.4. Методи усунення мультиколінеарності.
1) метод виключення змінних з моделі.
2) Метод отримання додаткових даних або нової вибірки.
3) Зміна специфікації моделі.
4) Використання попередньої інформації про деякі параметри моделі.
5) Метод перетворення змінних.
.
(11)
6) метод гребеневої регресії
Замість оператора
Використовується
де
Коваріаційна матриця
Лекція 4. Гетороскедастичність залишків.
Моделі з порушенням передумов використання МНК: гетероскедастичність залишків.
Гетороскедастичність, її суть та наслідки. Проблеми оцінювання моделей з гетероскедастичними залишками.