ВУЗ:
Составители:
Рубрика:
модели. Уточненное оценивание MA(1) модели с использованием обратного прогноза
(backcasting) дает следующие результаты.
Dependent Variable: X
Method: Least Squares
Sample: 1946 1965
Included observations: 20
Convergence achieved after 13 iterations
Backcast: 1945
Variable Coef. Std. Error t-Statistic Prob.
C 10.81379 0.113355 95.39726 0.0000
MA(1) 0.280610 0.228102 1.230195 0.2345
R-squared 0.117961 Mean dependent var 10.81000
Adjusted R-squared 0.068959 S.D. dependent var 0.414094
S.E. of regression 0.399561 Akaike info criterion 1.097739
Sum squared resid 2.873684 Schwarz criterion 1.197313
Log likelihood -8.977395 F-statistic 2.407257
Durbin-Watson stat 1.789895 Prob(F-statistic) 0.138178
В этом случае уточненное значение коэффицента b
1
существенно отличается от
предварительной оценки этого коэффициента. Отметим также большое отличие P-значений
для t- и F-статистик в отношении значимости коэффициента b
1
. Это можно объяснить тем,
что величина стандартной ошибки вычисляется согласно асимптотической процедуре, тогда
как в нашем распоряжении имеется всего лишь 20 наблюдений.
Если не производить обратного прогнозирования значения инновации для 1945 года, то
результаты получаются близкими:
Dependent Variable: X
Method: Least Squares
Sample: 1946 1965
Included observations: 20
Convergence achieved after 24 iterations
Backcast: OFF
Variable Coefficient Std. Error t-Statistic Prob.
C 10.81515 0.112582 96.06431 0.0000
MA(1) 0.274024 0.229231 1.195405 0.2474
R-squared 0.116800 Mean dependent var 10.81000
Adjusted R-squared 0.067734 S.D. dependent var 0.414094
S.E. of regression 0.399824 Akaike info criterion 1.099054
Sum squared resid 2.877464 Schwarz criterion 1.198628
Log likelihood -8.990543 F-statistic 2.380443
Durbin-Watson stat 1.778286 Prob(F-statistic) 0.140261
модели. Уточненное оценивание MA(1) модели с использованием обратного прогноза
(backcasting) дает следующие результаты.
Dependent Variable: X
Method: Least Squares
Sample: 1946 1965
Included observations: 20
Convergence achieved after 13 iterations
Backcast: 1945
Variable Coef. Std. Error t-Statistic Prob.
C 10.81379 0.113355 95.39726 0.0000
MA(1) 0.280610 0.228102 1.230195 0.2345
R-squared 0.117961 Mean dependent var 10.81000
Adjusted R-squared 0.068959 S.D. dependent var 0.414094
S.E. of regression 0.399561 Akaike info criterion 1.097739
Sum squared resid 2.873684 Schwarz criterion 1.197313
Log likelihood -8.977395 F-statistic 2.407257
Durbin-Watson stat 1.789895 Prob(F-statistic) 0.138178
В этом случае уточненное значение коэффицента b1 существенно отличается от
предварительной оценки этого коэффициента. Отметим также большое отличие P-значений
для t- и F-статистик в отношении значимости коэффициента b1 . Это можно объяснить тем,
что величина стандартной ошибки вычисляется согласно асимптотической процедуре, тогда
как в нашем распоряжении имеется всего лишь 20 наблюдений.
Если не производить обратного прогнозирования значения инновации для 1945 года, то
результаты получаются близкими:
Dependent Variable: X
Method: Least Squares
Sample: 1946 1965
Included observations: 20
Convergence achieved after 24 iterations
Backcast: OFF
Variable Coefficient Std. Error t-Statistic Prob.
C 10.81515 0.112582 96.06431 0.0000
MA(1) 0.274024 0.229231 1.195405 0.2474
R-squared 0.116800 Mean dependent var 10.81000
Adjusted R-squared 0.067734 S.D. dependent var 0.414094
S.E. of regression 0.399824 Akaike info criterion 1.099054
Sum squared resid 2.877464 Schwarz criterion 1.198628
Log likelihood -8.990543 F-statistic 2.380443
Durbin-Watson stat 1.778286 Prob(F-statistic) 0.140261
Страницы
- « первая
- ‹ предыдущая
- …
- 52
- 53
- 54
- 55
- 56
- …
- следующая ›
- последняя »
