Гетероскедастичность

Cтраница 3

Тест ранговой корреляции Спирмена и тест Голдфелда-Квандта позволяют обнаружить лишь само наличие гетероскедастичности, но они не дают возможности проследить количественный характер зависимости дисперсий ошибок регрессии от значений регрессоров и, следовательно, не представляют каких-либо способов устранения гетероскедастичности. [31]

Проверка линейной регрессии на гетероскедастичность. [32]

Величина R 2638 4: 68 34 19 3, что превышает табличное значение F-критерия 4 28 при 5 % - ном и 8 47 при I % - ном уровне значимости для числа степеней свободы 6 для каждой остаточной суммы квадратов ( ( 20 - 4 - 2 2): 2), подтверждая тем самым наличие гетероскедастичности. [33]

Проверка линейной регрессии на гетероскедастичность. [34]

Величина R 2638 4: 68 34 19 3, что превышает табличное значение F-критерия 4 28 при 5 % - ном и 8 47 при 1 % - ном уровне значимости для числа степеней свободы 6 для каждой остаточной суммы квадратов ( ( 20 - 4 - 2 2): 2), подтверждая тем самым наличие гетероскедастичности. [35]

Переход к относительным величинам существенно снижает вариацию фактора и соответственно уменьшает дисперсию ошибки. Он представляет собой наиболее простой случай учета гетероскедастичности в регрессионных моделях с помощью обобщенного МНК. Процесс перехода к относительным величинам может быть осложнен выдвижением иных гипотез о пропорциональности ошибок относительно включенных в модель факторов. Использование той или иной гипотезы предполагает специальные исследования остаточных величин для соответствующих регрессионных моделей. Применение обобщенного МНК позволяет получить оценки параметров модели, обладающие меньшей дисперсией. [36]

Как же определить, имеется ли в модели условная гетероске-дастичность. Как и в случае проверки гипотезы об отсутствии обычной гетероскедастичности, вместо ненаблюдаемых величин - ошибок регрессии - рассматриваются остатки. [37]

Для применения МНК требуется, чтобы дисперсия остатков была гомоскедастичноп. Если это условие не соблюдается, то имеет место гетероскедастичность. [38]

Чтобы определить, какая же именно ситуация имеет место, используются тесты на гетероскедастичностъ. Все они используют в качестве нулевой гипотезы Щ гипотезу об отсутствии гетероскедастичности. [39]

Вспомним, что наиболее часто употребляемые процедуры устранения гетероскедастичности так или иначе были основаны на предположении, что дисперсия ошибок регрессии ст2 является функцией от каких-то регрессоров. Если а2 существенно зависит от регрессора Z, а при спецификации модели регрессор Z не был включен в модель, стандартные процедуры могут не привести к устранению гетероскедастичности. [40]

Голдфельда-Квандта): Название метода, используемого при диагностике гетероскедастичности ( hetero-scedasticity) остатков ( residuals) регрессионного ( regression) уравнения. Метод включает ранжирование остатков в порядке возрастания величины переменной, с которой, как предполагается, связана ге-тероскедастичность, и вычисление отдельных сумм квадратов для верхней и нижней третей ( опуская центральную треть) наблюдений. Если получается значимый результат, то проблема гетероскедастичности, вероятно, существует. [41]

Примеры гетероскедастичности. [42]

В соответствии с третьей предпосылкой МНК требуется, чтобы дисперсия остатков была гомоскедастичной. Это значит, что для каждого значения фактора х - остатки е, имеют одинаковую дисперсию. Если это условие применения МНК не соблюдается, то имеет место гетероскедастичность. [43]

Задача состоит в том, чтобы определить величину К - и внести поправку в исходные переменные. С этой целью рекомендуется использовать обобщенный метод наименьших квадратов1, который эквивалентен обыкновенному МНК, примененному к преобразованным данным. Чтобы убедиться в необходимости использования обобщенного МНК, обычно не офаничиваются визуальной проверкой гетероскедастичности, а проводят ее эмпирическое подтверждение. [44]

Задача состоит в том, чтобы определить величину К - и внести поправку в исходные переменные. С этой целью рекомендуется использовать обобщенный метод наименьших квадратов1, который эквивалентен обыкновенному МНК, примененному к преобразованным данным. Чтобы убедиться в необходимости использования обобщенного МНК, обычно не ограничиваются визуальной проверкой гетероскедастичности, а проводят ее эмпирическое подтверждение. [45]

Страницы: 1 2 3 4