Поняття і причини виникнення автокореляції

ТЕМА 5. ПОБУДОВА ЕКОНОМЕТРИЧНОЇ МОДЕЛІ З АВТОКОРЕЛЬОВАНИМИ ЗАЛИШКАМИ.

ПЛАН (ЛОГІКА)ВИКЛАДУ І ЗАСВОЄННЯ МАТЕРІАЛУ

5.1. Поняття і причини виникнення автокореляції.

5.2. Критерій Дарбіна-Уотсона.

5.3.Критерій Неймана.

5.4. Оцінка параметрів моделі з автокорельованими залишками. Метод Ейткена.

Означення. Автокореляція — це взаємозв'язок послідовних елементів часового чи просторового ряду даних.

В економетричних моделях особливе значення має автокореляція залишків. Звернемось знову до другої необхідної умови лінійної моделі:

Це означає, що коваріації між залишками економетричної моделі відсутні, а дисперсія є сталою для всіх спостережень. Ці умови були названі в розд. 7 явищем гомоскедастичності. У цьому самому розділі було показано, що за відсутності коваріації залишків дисперсія може змінюватися для груп спостережень чи для кожного спостереження. Ці умови були названі явищем гетероскедастичності.

В економетричних дослідженнях часто виникають і такі ситуації, коли дисперсія залишків стала, але спостерігається їх коваріація. Це явище називають автокореляцією залишків.

Автокореляція залишків найчастіше спостерігається тоді, коли економетрична модель будується на основі часових рядів. Якщо існує кореляція між послідовними значеннями деякої незалежної змінної, то спостерігатиметься і кореляція послідовних значень залишків.

Автокореляція може бути також наслідком помилкової специфікації економетричної моделі. Крім того, наявність автокореляції залишків може означати, що необхідно ввести до моделі нову незалежну змінну.

У загальному випадку ми вводимо до моделі лише деякі з істотних змінних, а вплив змінних, які виключені з моделі, має позначитися на зміні залишків. Існування кореляції між послідовними значеннями виключеної з розгляду змінної не обов'язково має тягти за собою відповідну кореляцію залишків, бо вплив різних змінних може взаємно погашатися. Якщо кореляція послідовних значень виключених з моделі змінних спостерігається, то загроза виникнення автокореляції залишків стає реальністю.

Якщо знехтувати автокореляцією залишків і оцінити параметри моделі 1МНК, то дійдемо такихтрьохнаслідків.

1. Оцінки параметрів моделі можуть бути незміщеними, але неефективними, тобто вибіркові дисперсії вектора оцінок можуть бути невиправдано великими.

2. Оскільки вибіркові дисперсії обчислюються не за уточненими формулами, то статистичні критерії t- і F-статистики, які знайдено для лінійної моделі, практично не можуть бути використані в дисперсійному аналізі.

3. Неефективність оцінок параметрів економетричної моделі призводить, як правило, до неефективних прогнозів, тобто прогнозів з дуже великою вибірковою дисперсією.

За відсутності автокореляції залишків матриця коваріацій для вектора оцінок така:

.

Припустимо, що незалежні змінні і залишки можна подати у вигляді стаціонарних марковських процесів першого порядку, тобто:

Якщо коефіцієнти і додатні, то говорять про додатну автокореляцію. Від'ємна автокореляція в економетричних моделях спостерігається дуже рідко.

Помилки і взаємно незалежні і їх автокореляційні матриці діагональні. Тоді можна показати, що звичайний метод найменших квадратів дає нам при достатньо великому п таку оцінку дисперсії параметрів :

.

Тобто істинне значення дисперсії у чотири з половиною рази перевищуватиме те, яке дістали при застосуванні 1МНК.

Якщо додатна автокореляція спостерігається і в залишках, і в незалежній змінній, то 1МНК дає зміщення і для залишкової дисперсії. Припустивши, як і раніше, що і підлягають однаковій схемі авторегресії, знайдемо:

.

Дата добавления: 2014-01-11