Свойствата на регресия на остатъците

Съгласно втори състояние Гаус-Марков за ефективното прилагане на MNC изисква да остатъци на дисперсия - разликата на оригиналните стойности на данни и данните, получени, уравнението на регресия беше homoskedastic, т.е. униформа. Това означава, че за всяка стойност на остатъци фактор имат същото дисперсията. За малки проби обем за оценка хетероскедастичност (нарушение homoscedasticity) Goldfeld-Quandt (Goldfeld-Quandt) метод може да се използва. Основната идея на теста Goldfeld-Квант е както следва:

§ изключват от разглеждане централната наблюдения С; в същото време. където - броят на очакваните параметри;

§ разделяне множество (N-C) наблюдения на две групи (съответно, с малки и големи стойности на X), и определяне за всяка група регресионните уравнения;

Когато нулевата хипотеза на homoscedasticity съотношение F ще се срещне с F-тест с няколко степени на свобода за всеки един от остатъчната сума от квадрати. Колкото по-голям от стойността F надвишава стойността на маса. толкова по-счупен поемането на равенство на отклонение на остатъците. Ако изчислената стойност е по-голяма. трябва да имате предвид следното:

§ стандартни грешки на коефициенти на регресия са твърде ниски, което може да доведе до фалшиво заключение за значението на параметрите на регресионното уравнение;

§ получените оценки на параметрите са непредубедени оценки на два пъти. така че те могат да бъдат използвани в уравнението;

§ стандартни практики грешки преведени по познати методи (Бяла Нюи-Запад).

Според трети състояние Гаус-Марков за правилната експлоатация на уравнението на регресия е необходимо, няма систематична връзка (корелация) между остатъци. За да се изследва поведението на остатъчните вещества, те са подредени във възходящ ред фактор. Остатъци индексирани, по Т стойността. Най-малката стойност на коефициент, съответстващ т = 1 и е1 остатък. Следващата стойност sootvetstvuett фактор = 2 и е2 остатък. и т.н. до стойности т = N. индекс Т може да се разглежда като време и говорим за настоящите и предходните точки за време.

Автокорелация в остатъците - корелация между стойности на остатъци et за текущите и предишните времена. За определяне на автокорелацията използване Durbin-Watson критерий (Durbin-Watson). За тази стойност се изчислява по следната формула:

при което - остатъка от предишното ниво.

За стойността на връзката. От таблиците са две критични стойности: по-ниско ниво - и горните -. стойности зависят от броя на наблюденията. модел сложност (параметър номер) и избраното ниво на значимост. 2. Ако повече от това е доказателство за отрицателна корелация и преди сравняване на стойността му трябва да се преобразува :.

Ако сте - моделът е неадекватна, останките силно автокорелиран.

Ако - останките несвързани помежду си, моделът е адекватен.

Ако - може да се направи ясен извод, както и че е необходимо да се прилагат други критерии.

Ако останките на пълна положителна автокорелация тогава. ако общият сбор е отрицателен, тогава. ако няма автокорелация на остатъците, а след това.

Ако открива автокорелация, а след това, тъй като в случай на хетероскедастичност, ние трябва да помним, че стандартните грешки са твърде ниски, което може да доведе до фалшиво заключение за значението на коефициенти на регресия на уравнението. традиционните OLS да заменят общ метод се препоръчва в случай на нарушение homoscedasticity и има грешки на автокорелация (GLS), който се прилага към трансформираните данни.

Много е вероятно положителна автокорелация. H0 се отхвърля.

Няма причина да се отхвърли H0. Автокорелация не остатъци.