Проблемы гетероскедастичности

Гетероскедастичность – очень неприятное свойство исходных, в то время, когда дисперсия неточности зависит от номера наблюдения. На графике гетероскедастичность проявляется в том, что с повышением либо уменьшением порядкового номера измерения возрастает рассеивание измерений около линии тренда. Это может привести к значительным погрешностям оценок коэффициентов уравнения регрессии. Гетероскедастичность появляется тогда, в то время, когда объекты, в большинстве случаев, неоднородны. Существует пара способов коррекции, решающих проблему гетероскедастичности.

самый эффективный из них – способ взвешенных мельчайших квадратов.

Сущность способа очень несложна. Пускай исходная модель имеет форму:

.

Тогда, делением каждого элемента совокупности на значение st мы приходим к второй совокупности

(2.26)

где взвешенная дисперсия;

, n – число измерений.

Так, посредством преобразования 2.26 мы ликвидируем гетероскедастичность. Помимо этого, логарифмирование данных кроме этого в некоторых случаях снижает неточности определения параметров модели, вызванные гетероскедастичностью.

Резюме

Рассмотренные способы корреляционно-регрессионного анализа разрешают обнаружить оценки параметров регрессионных моделей и разбирать их. Непременно, что разработка эконометрических моделей самый действенна при применении ЭВМ.

Результаты эконометрического анализа смогут быть значительно искажены, в случае если переменные мультиколлинеарны. Действенного ответа данной неприятности на данный момент не существует. Удаление из анализа переменных, очень сильно коррелирующих между собой, может привести к искажению взятых оценок.

Эконометрический анализ на базе временных последовательностей

Главные понятия в теории временных последовательностей

Временной последовательность – это некая последовательность чисел (измерений) экономического либо бизнес-процесса во времени. Его элементы измерены в последовательные моменты времени, в большинстве случаев через равные промежутки.

В большинстве случаев, составляющие временной последовательность числа либо элементы временного последовательности, нумеруют в соответствии с номером момента времени, к которому они относятся. Так, порядок следования элементов временного последовательности очень значителен.

Расширенное понятие временного последовательности. Понятие временного последовательности довольно часто толкуют расширительно. К примеру, в один момент смогут регистрироваться пара черт упомянутого процесса. В этом случае говорят о многомерных временных последовательностях. В случае если измерения производятся непрерывно, говорят о временных последовательностях с постоянным временем, либо случайных процессах. Наконец, текущая переменная может иметь не временной, а какой-нибудь другой темперамент, к примеру пространственный. В этом случае говорят о случайных полях. Примеры временных последовательностей. В экономике это ежедневные цены на акции, валютные котировки, еженедельные и месячные количества продаж, годовые количества производства и т.п. На рис. 5 продемонстрирован пример временного последовательности с количествами перевозок пассажиров авиарейсами за 12 лет в Соединенных Штатах.

На графике видна устойчивая тенденция роста количества перевозок от года к году (тренд). Помимо этого, у этого последовательности имеется сезонные компоненты. Количество перевозок быстро возрастает в летние месяцы и понижается в зимние. В качестве циклической компоненты последовательности тут возможно выделить повторяющиеся пики понижения перевозок на период праздника Рождества (24 декабря) и т.д. В полной мере конечно, что данный последовательность в достаточной степени предсказуем. На рис.6 представлен второй последовательность, с количествами продаж компьютерной техники.

На графике четко видно падение количества продаж на 146 месяце. Таковой скачок именуется интервенцией. Модель этого последовательности возможно выстроить, исключив определенным методом интервенцию, но сделать прогноз таких резких и неповторяющихся скачков этими способами нереально.

Временные последовательности именуются стационарными, в случае если числовые характеристики последовательности являются постоянными на любом участке временного последовательности. Реально в жизни это не верно, но существуют способы, разрешающие преобразовать временной последовательность и привести его к стационарному.

07 — Базы статистики. Подробнее о линейной регрессии


Также читать:

Понравилась статья? Поделиться с друзьями: