Эконометрика. Кравченко А.А. - 9 стр.

UptoLike

Составители: 

Рубрика: 

данное значение, будет одинаковой для всех наблюдений, т.е.
constu
i
=)(
2
σ
,
i
. Гетероскедастичностьусловие «неодинакового разброса»,
22
)(
ii
u
σσ
=
-
дисперсия не обязательно одинакова для всех наблюдений i.
Если СКО остатков растет по мере увеличения x. Поле корреляции такой
гетероскедастичной модели представлено ниже:
Вариация y при больших значениях х гораздо больше, чем при малых
значениях х. Зависимость y от x может вполне пригодиться для
практических приложений, но результаты, связанные с анализом точности
модели, оценкой значимости и построением доверительных интервалов,
могут оказаться непригодными. Например, при небольших выборках есть
риск получить оценку параметров, существенно отличающуюся от истинного
параметра.
Очень часто проявление проблемы гетероскедастичности можно
предвидеть заранее, основываясь на знании характера статистических
данных. В таких случаях можно предпринять соответствующие действия по
устранению этого эффекта еще на этапе спецификации модели, т.е. на этапе
формулировки вида модели.
Рассмотрим два теста, в которых делаются различные предположения о
зависимости между средним квадратическим отклонением случайного члена
и величиной объясняющей переменной.
1. Тест ранговой корреляции Спирмена. При выполнении теста
Спирмена предполагается, что среднее квадратическое отклонение
случайной переменной либо увеличивается, либо уменьшается по мере
увеличения x.
Этапы проведения теста:
1. Ранжируются значения x. Рангпорядковый номер значения x.
Ранжированиеупорядочивание. Если значения совпадают, то им
присваивается ранг, равный среднему арифметическому из суммы
мест, которые они занимают.
2. Вычисляются отклонения фактических значений от расчетных
(остатки). Ранжируются остатки.
x
y
0
данное значение, будет одинаковой для всех наблюдений, т.е. σ (u i ) = const ,
                                                             2



∀i . Гетероскедастичность – условие «неодинакового разброса», σ (ui ) = σ i -
                                                               2           2


дисперсия не обязательно одинакова для всех наблюдений i.
    Если СКО остатков растет по мере увеличения x. Поле корреляции такой

                         y




                         0                              x




гетероскедастичной модели представлено ниже:
     Вариация y при больших значениях х гораздо больше, чем при малых
значениях х. Зависимость y от x         может вполне пригодиться для
практических приложений, но результаты, связанные с анализом точности
модели, оценкой значимости и построением доверительных интервалов,
могут оказаться непригодными. Например, при небольших выборках есть
риск получить оценку параметров, существенно отличающуюся от истинного
параметра.
     Очень часто проявление проблемы гетероскедастичности можно
предвидеть заранее, основываясь на знании характера статистических
данных. В таких случаях можно предпринять соответствующие действия по
устранению этого эффекта еще на этапе спецификации модели, т.е. на этапе
формулировки вида модели.
     Рассмотрим два теста, в которых делаются различные предположения о
зависимости между средним квадратическим отклонением случайного члена
и величиной объясняющей переменной.

    1. Тест ранговой корреляции Спирмена. При выполнении        теста
Спирмена предполагается, что среднее квадратическое отклонение
случайной переменной либо увеличивается, либо уменьшается по мере
увеличения x.
    Этапы проведения теста:
    1. Ранжируются значения x. Ранг – порядковый номер значения x.
       Ранжирование – упорядочивание. Если значения совпадают, то им
       присваивается ранг, равный среднему арифметическому из суммы
       мест, которые они занимают.
    2. Вычисляются отклонения фактических значений от расчетных
       (остатки). Ранжируются остатки.