Дисперсия оценки увеличивается

ПОДБОР СПЕЦИФИКАЦИИ МОДЕЛИ

1) В модель не включали существенные параметры - получаем смещенные оценки.

2) Включение в модель несущественных параметров -

1. Тест на линейные ограничения (избыточные регрессоры)

- сумма квадратов ошибок в модели с ограничением,

- сумма квадратов ошибок в модели без ограничения,

- количество наблюдений,

- количество регрессоров в модели без ограничения.

2. Тест RESET (Regression Equation Specification Error Test)

(возможная нелинейная зависимость)

Исходная модель , .

Вспомогательная модель , .

, (зависимость линейная)

не верна. (зависимость нелинейная, квадратичтая, и т.п.)

1. Если модель оценивается МНК, то используется статистика

,

которая имеет распределение Фишера с степенями свободы в случае истинности нулевой гипотезы,

при этом - сумма квадратов ошибок в модели с ограничением (исходной модели),

- сумма квадратов ошибок в модели без ограничения (с прогнозными значениями),

- количество добавленных регрессоров,

- количество наблюдений,

- количество регрессоров, включая прогнозные значения,

- количество регрессоров в исходной модели.

2. Если модель оценивается МПМ, то используется статистика

,

- логарифм функции правдоподобия в модели с ограничением (исходной модели),

- логарифм функции правдоподобия в модели без ограничения (с прогнозными значениями).

Дата добавления: 2015-05-10