Узагальнений метод найменших квадратів (метод Ейткена)

Економетрична модель, якій притаманна гетероскедастичність, є узагальненою моделлю, і для оцінювання її параметрів слід скористатися узагальненим методом найменших квадратів. Розглянемо цей метод.

Нехай задано економетричну модель

(7.1)

коли .

Задача полягає в знаходженні оцінок елементів вектора А в моделі. Для цього використовується матриця S, за допомогою якої коригується вихідна інформація. Ця ідея була покладена в основу методу Ейткена.

Базуючись на особливостях матриць Р і S, які були розглянуті в підрозд. 7.3, можна записати співвідношення між цими матрицями та оберненими до них.

Оскільки S — додатно визначена матриця, то вона може бути зображена як добуток , де матриця P є невиродженою, тобто:

, (7.2)

коли

; (7.3)

і

. (7.4)

Помноживши рівняння (7.1) ліворуч на матрицю , дістанемо:

. (7.5)

Позначимо ;

;

.

Тоді модель матиме вигляд:

. (7.6)

Використовуючи (7.3), неважко показати, що

,

тобто модель (7.6) задовольняє умови (4.2), коли параметри моделі можна оцінити на основі 1МНК.

Звідси

. (7.7)

Ця оцінка є незміщеною лінійною оцінкою вектора А, який має найменшу дисперсію і матрицю коваріацій

(7.8)

Hезміщену оцінку для дисперсії можна дістати так:

(7.9)

Оцінка параметрів , яку знайдено за допомогою (7.7), є оцінкою узагальненого методу найменших квадратів (методу Ейткена).

При заданій матриці S оцінку параметрів моделі можна обчислити згід­но із (7.7), а стандартну помилку — згідно із (7.8). Тому можна сконструю­вати звичайні критерії значущості і довірчі інтервали для параметрів .

Визначивши залишки і помноживши ліворуч на матрицю , дістанемо:

,

або .

Звідси .

Тоді .

Оскільки ,

то (7.10)

Отже, ми розбили загальну суму квадратів для (7.6) на суму квадратів регресії і залишкову. Згідно з цими даними дисперсійний аналіз буде виконано для перетворених вихідних даних. Крім того, коли незалежна змінна виміряна відносно початку відліку, а не у формі відхилення від середньої, то необхідно визначити її середнє значення і скористатись ним для корекції загальної суми квадратів і суми квадратів регресії.

Модель узагальненого методу найменших квадратів іноді специфі­кується у вигляді

(7.11)

де — відома симетрична додатно визначена матриця. Тоді вираз для оцінки параметрів згідно з методом Ейткена запишеться так:

, (7.12)

а для її коваріаційної матриці

.

Автокореляція

Автокореляція — це взаємозв’язок послідовних елементів часового чи просторового ряду даних.Причини авток:виникає тоді коли коном модель буд на основі часових рядів,може виникати через інерц.і циклічність багатьох ек процесів,неправильно специф ф-на залежність. трьох наслідків.

1. Оцінки параметрів моделі можуть бути незміщеними, але неефективними, тобто вибіркові дисперсії вектора оцінок можуть бути невиправдано великими.

2. Оскільки вибіркові дисперсії обчислюються не за уточненими формулами, то статистичні критерії t- і F-cтатистики, які знайдено для лінійної моделі, практично не можуть бути використані в дисперсійному аналізі.

3. Неефективність оцінок параметрів економетричної моделі призводить, як правило, до неефективних прогнозів, тобто прогнозів з дуже великою вибірковою дисперсією.

Перевірка наявності автокореляції

8.2.1. Критерій Дарбіна — Уотсона

Для перевірки наявності автокореляції залишків найчастіше застосовується критерій Дарбіна — Уотсона (DW):

(8.12)

Він може набувати значеннь з проміжку [0, 4]: . Задаємо рівень значущості альфа,знаходимо DW₁, DW₂

Якщо 0 <DW< DW_{1, наявна додатна авток,} DW₁ <DW< DW_{2 або 4-} DW₁ <DW<4- DW_{2 (зона невмзначеності)}

4-DW₁ <DW< 4 відємна авток, DW₂ <DW<4- DW_{2авток відутня}

Критерій фон Неймана

Для виявлення автокореляції залишків використовується також критерій фон Неймана:

(8.13)

Звідси . При . Фактичне значення критерію фон Неймана порівнюється з табличним для вибраного рівня значущості і зада­ного числа спостережень. Якщо , то існує додатна автокореляція

Нециклічний коефіцієнт автокореляції

Цей коефіцієнт виражає ступінь взаємозв’язку залишків кожного наступного значення з попереднім, а саме:

I ряд — ;

II ряд — .

Він обчислюється за формулою:

(8.14)

Коефіцієнт може набувати значень в інтервалі (–1;+1). Від’ємні значення його свідчать про від’ємну автокореляцію, додатні — про додатну. Значення, що містяться в деякій критичній області біля нуля, свідчать про відсутність автокореляції, тобто стверджують нульову гіпотезу про відсут­ність автокореляції залишків. Оскільки ймовірнісний розподіл встановити трудно, то на практиці замість обчислюють циклічний коефіцієнт автокореляції .