- •Учебное пособие по эконометрике Глава 9. Основные положения теории множественной корреляции
- •9.1 Метод наименьших квадратов (мнк)
- •9.2. Свойства оценок, полученных методом наименьших квадратов
- •Вопросы и упражнения
- •Глава 10. Оценка адекватности и точности регрессионных моделей
- •10.1. Проверка случайности колебаний уровней остаточной последовательности
- •10.2. Проверка соответствия распределения случайной компоненты нормальному закону распределения
- •10.3. Проверка равенства математического ожидания случайной компоненты нулю
- •10.4. Проверка независимости значений уровней случайной компоненты.
- •10.5. Определение точности модели
- •10.6. Исследование влияния факторов на изменение результирующего показателя в уравнении регрессии
- •10.7. Оценка статистической надежности уравнения регрессии и ее параметров
- •Вопросы и упражнения
- •Глава 11. Методика построения многофакторных корреляционных моделей для показателей эффективности хозяйственной деятельности
- •11.1. Выбор функционального показателя
- •11.2. Отбор факторов-аргументов
- •11.3. Выбор формы связи
- •11.4. Отбор исходных данных
- •11.5. Решение корреляционных моделей и экономико-математический анализ результатов решения
- •Вопросы и упражнения
- •1. Общие положения
- •2. Задания для выполнения контрольной работы
- •Литература
9.2. Свойства оценок, полученных методом наименьших квадратов
Для того, чтобы полученные методом наименьших квадратов оценки обладали желательными свойствами делаются следующие предположения об отклонениях εi:
1. Величина εi – случайная переменная;
2. Математическое ожидание εi равно 0;
3. Дисперсия εi постоянна для всех i-тых ε;
4. Значения εi не зависимы между собой.
Известно, что если условия (1-4) выполняются, то оценки, вычисляемые с помощью МНК (метода наименьших квадратов) обладают следующими свойствами:
1. Оценки являются несмещенными, то есть математическое ожидание оценки каждого параметра равно его истинному значению. Это вытекает из того, что математическое ожидание ошибки равно 0 и говорит об отсутствии системной ошибки в определении положения линии регрессии.
2. Оценки состоятельны, так как дисперсия оценок параметров при росте числа наблюдений стремится к 0. Иначе говоря, если n достаточно велико, то практически наверняка растет надежность оценки параметров аj.
3. Оценки эффективны, то есть имеют наименьшую дисперсию по сравнению с любыми другими оценками данных параметров.
Перечисленные свойства не зависят от конкретного вида распределения величины , тем не менее, обычно предполагается, что они распределены нормально. Эта предпосылка необходима для проверки статистической значимости сделанных оценок и определения для них доверительных интервалов. При ее выполнении оценки МНК имеют наименьшую дисперсию не только среди линейных, но и среди всех несмещенных оценок.
Вопросы и упражнения
Что называется корреляционной зависимостью функции у от аргумента х
Какие предпосылки делаются относительно результативного признака в уравнении регрессии
Что такое «несовместная система алгебраических уравнений»
В чем состоит принцип наименьших квадратов
Из каких трех основных этапов состоит метод наименьших квадратов
Каким условиям должны удовлетворять отклонения теоретически (по уравнению регрессии) вычисленных значений результирующего показателя от их фактических значений в статистической совокупности
Что означает, применительно к уравнению регрессии, выражения: «оценки несмещенные», «оценки состоятельные», «оценки эффективные»
Глава 10. Оценка адекватности и точности регрессионных моделей
10.1. Проверка случайности колебаний уровней остаточной последовательности
Независимо от вида и способа построения экономико-математической модели на основе статистических данных, вопрос о возможности ее применения в целях анализа и прогнозирования экономических явлений может быть решен только после установления адекватности, т.е. соответствия модели исследуемому процессу или объекту. Так как полного соответствия модели реальности не может быть, то адекватность – это в какой-то мере условное понятие. При моделировании имеется в виду адекватность не вообще, а по тем свойствам модели, которые считаются существенными для исследуемого явления.
Модель yi ряда yi считается адекватной, если правильно отражает систематические компоненты этого ряда. Это требование эквивалентно требованию, чтобы остаточная компонента:
εi = yi - yi, i=1÷n
удовлетворяла свойствам случайной компоненты ряда, о которых говорилось ранее, а именно:
а) случайность колебаний уровней остаточной последовательности;
б) соответствие распределения случайной компоненты нормальному закону распределения;
в) равенство нулю математического ожидания случайной компоненты;
г) независимость значений уровней случайной компоненты.
Рассмотрим способы проверки этих свойств остаточной последовательности.
Проверка случайности колебаний уровней остаточной последовательности означает проверку гипотезы о правильности выбора уравнения регрессии. Для исследования случайности отклонений от уравнения регрессии находятся разности εi = yi - ỹi. Характер этих отклонений изучается с помощью ряда непараметрических критериев.
Одним из таких критериев является критерий серий, основанный на медиане выборки. Ряд из величин εi располагают в порядке возрастания их значений и находят медиану εm, полученного вариационного ряда, то есть срединное значение при n нечетном или среднюю арифметическую из 2-х соседних срединных значений при четном n. Возвращаясь к исходной последовательности εi и сравнивая значения этой последовательности с εm ставят знак “+”, если εi εm и знак “-“, если εi εm. Соответственно, значение εi опускается если εi = εm.
Таким образом получается последовательность, состоящая из “+” и “-“, общее число которых не превосходит n. Последовательность подряд идущих “+” или “–“называется серией.
Для того, чтобы последовательность εi была случайной выборкой, протяженность самой длинной серии не должна быть слишком большой, а общее количество серий слишком малым.
Обозначим протяженность самой длинной серии Kmax, а общее число серий через ν. Выборка признается случайной , если выполняются следующие неравенства для 5%-го уровня значимости:
где квадратные скобки означают целую часть числа.
Если хотя бы одно из этих неравенств нарушается, то гипотеза о случайном характере отклонений уровней ряда от теоретических уровней отвергается и модель признается неадекватной.