Эконометрика: Введение в регрессионный анализ временных рядов. Носко В.П. - 98 стр.

UptoLike

ВУЗ: 

МФТИ | Москва

Составители: 

Рубрика: 

значение 0.884. Гипотеза H
0
не отвергается, и можно перейти к оцениванию модели с µ = 0,
β
1
= 0, т.е. модели y
t
= µ + a
1
y
t – 1
+ β
0
x
t
+ ε
t
. Оцененная модель с ограничениями:
Dependent Variable: Y
Variable Coefficient Std. Error t-Statistic Prob.
Y(-1) 0.592666 0.056702 10.45233 0.0000
X 0.188468 0.019202 9.814814 0.0000
R-squared 0.690477 Mean dependent var 0.004719
Adjusted R-squared 0.687286 S.D. dependent var 0.180476
S.E. of regression 0.100924 Akaike info criterion -1.728911
Sum squared resid 0.988000 Schwarz criterion -1.676484
DGP
7
Приведенная форма
y
t
= 0.5
y
t – 1
+ 0.3 x
t – 1
+ ε
t
.
Оцененная модель
Dependent Variable: Y
Variable Coefficient Std. Error t-Statistic Prob.
C -0.005886 0.010271 -0.573100 0.5679
Y(-1) 0.559497 0.042762 13.08387 0.0000
X -0.010318 0.020320 -0.507807 0.6128
X(-1) 0.316645 0.020229 15.65291 0.0000
P-значение критерия Бройша – Годфри при AR(1) альтернативе равно 0.701, а при AR(2)
альтернативе равно 0.827; гипотеза некоррелированности случайных величин ε
t
не
отвергается. Критерий Jarque – Bera не обнаруживает значимых отклонений от нормальности
(P-значение = 0.740). Критерий Уайта не обнаруживает гетероскедастичности (P-значение =
0.586).
Проверяем гипотезу H
0
: µ = 0, β
0
= 0. Используя F-распределение для F-статистики и
распределение хи-квадрат χ
2
(2) для статистики qF = 2F , получаем в обоих случаях P-
значение 0.734. Гипотеза H
0
не отвергается, и можно перейти к оцениванию модели с µ = 0,
β
0
= 0, т.е. к оцениванию модели y
t
= a
1
y
t – 1
+ β
1
x
t – 1
+ ε
t
. Оцененная модель с
ограничениями:
Dependent Variable: Y
Variable Coefficient Std. Error t-Statistic Prob.
Y(-1) 0.561389 0.041849 13.41452 0.0000
X(-1) 0.313207 0.019269 16.25422 0.0000
DGP
8
Авторегрессионные ошибки
y
t
= 0.5
y
t – 1
+ 0.2 x
t
– 0.1 x
t – 1
+ ε
t
.
Оцененная модель:
Dependent Variable: Y
Variable Coefficient Std. Error t-Statistic Prob. 
значение 0.884. Гипотеза H0 не отвергается, и можно перейти к оцениванию модели с µ = 0,
β1 = 0, т.е. модели yt = µ + a1 yt – 1 + β0 xt + εt . Оцененная модель с ограничениями:
Dependent Variable: Y
Variable              Coefficient Std. Error        t-Statistic   Prob.
Y(-1)                  0.592666    0.056702         10.45233      0.0000
X                      0.188468    0.019202         9.814814      0.0000
R-squared              0.690477          Mean dependent var       0.004719
Adjusted R-squared     0.687286          S.D. dependent var       0.180476
S.E. of regression     0.100924          Akaike info criterion    -1.728911
Sum squared resid      0.988000          Schwarz criterion        -1.676484

   DGP7 Приведенная форма
   yt = 0.5 yt – 1 + 0.3 xt – 1 + εt .
Оцененная модель
Dependent Variable: Y
Variable              Coefficient Std. Error        t-Statistic   Prob.
C                      -0.005886   0.010271         -0.573100     0.5679
Y(-1)                  0.559497    0.042762         13.08387      0.0000
X                      -0.010318   0.020320         -0.507807     0.6128
X(-1)                  0.316645    0.020229         15.65291      0.0000
P-значение критерия Бройша – Годфри при AR(1) альтернативе равно 0.701, а при AR(2)
альтернативе равно 0.827; гипотеза некоррелированности случайных величин εt не
отвергается. Критерий Jarque – Bera не обнаруживает значимых отклонений от нормальности
(P-значение = 0.740). Критерий Уайта не обнаруживает гетероскедастичности (P-значение =
0.586).
    Проверяем гипотезу H0: µ = 0, β0 = 0. Используя F-распределение для F-статистики и
распределение хи-квадрат χ2(2) для статистики qF = 2F , получаем в обоих случаях P-
значение 0.734. Гипотеза H0 не отвергается, и можно перейти к оцениванию модели с µ = 0,
β0 = 0, т.е. к оцениванию модели yt = a1 yt – 1 + β1 xt – 1 + εt . Оцененная модель с
ограничениями:
Dependent Variable: Y
Variable              Coefficient Std. Error        t-Statistic   Prob.
Y(-1)                  0.561389    0.041849         13.41452      0.0000
X(-1)                  0.313207    0.019269         16.25422      0.0000


   DGP8        Авторегрессионные ошибки
   yt = 0.5 yt – 1 + 0.2 xt – 0.1 x t – 1 + εt .
Оцененная модель:
Dependent Variable: Y
Variable              Coefficient Std. Error        t-Statistic   Prob.

Страницы