Эконометрика: Введение в регрессионный анализ временных рядов. Носко В.П. - 87 стр.

UptoLike

ВУЗ: 

МФТИ | Москва

Составители: 

Рубрика: 

Уотсона. Низкое значение этой статистики указывает на автокоррелированность ряда ε
t
, т.е.
на неправильную спецификацию выбранной статистической модели.
SM
2
Процесс авторегрессии: y
t
= µ + a
1
y
t – 1
+ ε
t
.
Оцененная модель:
Dependent Variable: Y
Sample(adjusted): 2 100
Variable Coefficient Std. Error t-Statistic Prob.
C 0.013941 0.020679 0.674149 0.5018
Y(-1) 0.764874 0.065621 11.65594 0.0000
Поскольку в этой статистической модели правая часть содержит запаздывающее значение
объясняемой переменной, ориентироваться на статистику Дарбина – Уотсона не следует.
Проверку на отсутствие автокоррелированности для ряда ε
t
выполняем, используя критерий
Бройша – Годфри. При AR(1) альтернативе P-значение этого критерия равно 0.00003, так что
гипотеза некоррелированности случайных величин ε
t
отвергается. Следовательно,
выбранная статистическая модель специфицирована неправильно.
SM
3
Модель опережающего показателя: y
t
= µ + β
1
x
t – 1
+ ε
t
.
Оцененная модель:
Dependent Variable: Y
Sample(adjusted): 2 100
Variable Coefficient Std. Error t-Statistic Prob.
C 0.049508 0.019722 2.510238 0.0137
X(-1) 0.455497 0.037291 12.21457 0.0000
При AR(1) альтернативе P-значение критерия Бройша – Годфри равно 0.0002, гипотеза
некоррелированности случайных величин ε
t
отвергается. Выбранная статистическая модель
специфицирована неправильно.
SM
4
Модель скорости роста: ∆y
t
= µ + β
0
∆x
t
+ ε
t
Оцененная модель
Dependent Variable: D(Y)
Sample(adjusted): 2 100
Variable Coefficient Std. Error t-Statistic Prob.
C -0.001126 0.021384 -0.052674 0.9581
D(X) 0.040538 0.033362 1.215078 0.2273
Log likelihood 13.74152 F-statistic 1.476415
Durbin-Watson stat 1.574116 Prob(F-statistic) 0.227286
При AR(1) альтернативе P-значение критерия Бройша – Годфри равно 0.029, гипотеза
некоррелированности случайных величин ε
t
отвергается. Выбранная статистическая модель
специфицирована неправильно. 
Уотсона. Низкое значение этой статистики указывает на автокоррелированность ряда εt , т.е.
на неправильную спецификацию выбранной статистической модели.

   SM2 Процесс авторегрессии: yt = µ + a1 yt – 1 + εt .
Оцененная модель:
Dependent Variable: Y
Sample(adjusted): 2 100
Variable Coefficient Std. Error t-Statistic Prob.
   C       0.013941 0.020679 0.674149 0.5018
  Y(-1)    0.764874 0.065621 11.65594 0.0000
Поскольку в этой статистической модели правая часть содержит запаздывающее значение
объясняемой переменной, ориентироваться на статистику Дарбина – Уотсона не следует.
Проверку на отсутствие автокоррелированности для ряда εt выполняем, используя критерий
Бройша – Годфри. При AR(1) альтернативе P-значение этого критерия равно 0.00003, так что
гипотеза некоррелированности случайных величин εt          отвергается. Следовательно,
выбранная статистическая модель специфицирована неправильно.

   SM3 Модель опережающего показателя: yt = µ + β1 x t – 1 + εt .
Оцененная модель:
Dependent Variable: Y
Sample(adjusted): 2 100
Variable Coefficient Std. Error t-Statistic Prob.
   C       0.049508 0.019722 2.510238 0.0137
  X(-1)    0.455497 0.037291 12.21457 0.0000
При AR(1) альтернативе P-значение критерия Бройша – Годфри равно 0.0002, гипотеза
некоррелированности случайных величин εt отвергается. Выбранная статистическая модель
специфицирована неправильно.

   SM4 Модель скорости роста: ∆yt = µ + β0 ∆xt + εt
Оцененная модель
Dependent Variable: D(Y)
Sample(adjusted): 2 100
    Variable       Coefficient Std. Error t-Statistic Prob.
           C         -0.001126 0.021384 -0.052674 0.9581
          D(X)       0.040538 0.033362 1.215078 0.2273
Log likelihood     13.74152        F-statistic         1.476415
Durbin-Watson stat 1.574116        Prob(F-statistic)   0.227286
При AR(1) альтернативе P-значение критерия Бройша – Годфри равно 0.029, гипотеза
некоррелированности случайных величин εt отвергается. Выбранная статистическая модель
специфицирована неправильно.

Страницы