КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Методи пом’якшення гетероскедастичності.
Гетероскедастичність призводить до неефективності оцінок, незважаючи на їх незміщеність. Це може призвести до необґрунтованих висновків щодо якості моделі. Тому при встановленні гетероскедастичності виникає необхідність перетворення моделі з метою усунення даного недоліку. Вид перетворення залежить від того, відомі чи ні дисперсії відхилень. Метод зважених найменших квадратів (ВНК) Даний метод застосовується при відомих для кожного спостереження значеннях . У цьому випадку можна усунути гетероскедастичність, розділивши кожне значення, що спостерігається на відповідне йому значення дисперсії. У цьому суть методу зважених найменших квадратів. Для простоти викладу опишемо ВНК на прикладі парної регресії: Розділимо обидві частини (7.5) на , одержимо: (6) Поклавши рівним одержимо рівняння регресії без вільного члена, але з додаткової пояснюючою змінної і з “перетвореним” відхиленням : Для застосування ВНК необхідно знати фактичні значення дисперсій відхилень. На практиці такі значення відомі вкрай рідко. Отже, щоб застосувати ВНК, необхідно зробити припущення про значення . Наприклад, можна припустити, що дисперсії відхилень пропорційні значенням (рис. 9) чи значенням (рис. 10). 20. Методи усунення автокореляції. Авторегресійне перетворення.
Серед основних методів усунення автокореляції можна виділити: 1. Правильну специфікацію моделі (залучення значущих факторів або зміна форми залежності). Основною причиною наявності випадкової величини в узагальненій кореляційно-регресійній моделі є неможливість урахувати всі значущі фактори і взаємозв'язки,що зумовлюють певне значення результуючої змінної. Потрібно спробувати ідентифікувати факторну ознаку, яку не враховано в КРМ і врахувати її. Також можна спробувати змінити форму залежності( наприклад, лінійну на нелінійну). 2. Використання AR(1)-моделі (авторегресійної моделі Маркова 1-го порядку). Якщо віс доступні процедури зміни специфікації моделі вичерпані,а автокореляція наявна,то можна припустити, що вона обумовлена внутрішніми властивостями певних значень випадкових відхилень . У цьому разі можна скористатися авто регресійним перетворенням. У лінійній кореляційно-регресійній моделі або в моделях, що зводяться до лінійної, найдоцільнішим і простим перетворенням є авто регресійна модель Маркова першого порядку AR(1).
Дата добавления: 2023-11-03; Просмотров: 65; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |