Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
EK8.DOC
Скачиваний:
35
Добавлен:
04.03.2016
Размер:
900 Кб
Скачать
☆

8.3.4. Метод Дарбіна

Дарбін запропонував просту двокрокову процедуру, яка також дає оцінки параметрів, вони асимптотично мають той самий вектор середніх і ту саму матрицю дисперсій, що й оцінки методу найменших квадратів.

Крок 1. Підставимо значення залишків, яке підпорядковане авторегресійній моделі першого порядку до економетричної моделі . Тоді дістанемо , де .

Звідси

де має скалярну матрицю дисперсій.

Згідно з 1МНК визначаються параметри цієї моделі, куди входить і коефіцієнт . У результаті обчислень маємо .

Крок 2. Значення використовується для перетворення змінних і , а 1МНК застосовується до перетворених даних. Коефіцієнт при є оцінкою параметра , а вільний член, поділений на , оцінює параметр .

Метод Дарбіна дуже просто поширюється на випадок кількох незалежних змінних і для автокореляції вищих порядків.

Нехай задано модель

(8.28)

де .

Підставивши значення в (8.28), дістанемо:

Застосувавши 1МНК, обчислимо параметри цієї моделі. Коефіцієнти і використаємо для перетворення даних:

Знову застосуємо 1МНК для цих перетворених даних і знайдемо оцінки параметрів моделі ,

Описаний щойно ітеративний метод Кочрена — Оркатта і розглянута двокрокова процедура Дарбіна за наявності автокореляції залишків асимптотично ефективіший, ніж 1МНК.

Але при цьому постають два важливі запитання:

1) Чи будуть ці методи ефективнішими, ніж 1МНК для малих вибіркових сукупностей?

2) якою — однаковою чи різною — буде ефективність застосування методів Кочрена — Оркатта і Дарбіна для малих вибірок?

Числовий аналіз, виконаний Гриліхесом і Рао з [1] за допомогою методу Монте-Карло, дав відповідь на ці запитання.

Висновок 1. 1МНК дає менш ефективні оцінки порівняно з іншими методами, якщо сукупність спостережень n = 20 одиниць, а > 0,3.

Висновок 2. Якщо  < 0,3, то зниження ефективності оцінок 1МНК порівняно зі складнішими процедурами невелике.

Висновок 3. Метод Дарбіна забезпечує найкращу оцінку для ширшого кола параметрів порівняно з іншими методами.

Висновок 4. Нелінійний метод оцінювання параметрів не дає відчутних переваг порівняно з двокроковою процедурою Дарбіна.

8.4. Прогноз

Теоретичні дослідження прогнозу в разі порушення умови (4.3) було розглянуто в розд. 7.

Нехай маємо модель: де і яка побудована для n спостережень.

Використаємо цю модель для визначення прогнозу залежної змінної для періоду n +1 коли для цього періоду задано незалежну змінну . Формула дає найкращий незміщений прогноз:

де — оцінка параметрів моделі згідно з методом Ейткена,

і

Якщо залишки описуються авторегресійною моделлю першого порядку, то з урахуванням рівності можна записати:

Отже, вектор W можна дістати, помноживши на останній стовпець матриці V. Але оскільки , то добуток являє собою останній рядок матриці E, помножений на .

Звідси .

Формула прогнозу має вигляд

(8.29)

Приклад 8.4. Використовуючи економетричну модель, яку побудовано на підставі даних про роздрібний товарообіг та дохід (приклад 8.2), визначити прогнозний рівень товарообігу, коли дохід становитиме xn+1 = 55.

Розв’язання.

1. Запишемо співвідношення, яке визначатиме прогнозний рівень залежної змінної

= xn+1 +ren ,

де xn+1 — оцінка прогнозної величини; r en — залишки прогнозу.

2. Скористаємося економетричною моделлю роздрібного товарообігу (приклад 8.2, формула 1) для обчислення прогнозу:

= 0,442 + 0,861xn+1 = 0,442 + 0,861 55 = 0,442 + 47,35 = 47,8;

3. Знайдемо оцінку залишків прогнозу r en, де r — коефіцієнт коваріації залишків; en — залишки за моделлю для t = 10.

en = 0,18;

r en = 0,77 • 0,18 » 0,14.

4. Визначимо прогнозний рівень роздрібного товарообігу на одинадцятий рік (n + 1):

 = 47,8 + 0,14 = 47,94.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]