Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Гетероскедастичность случайной компоненты. Тесты на наличие гетероскедастичности

Читайте также:
  1. II. СМЕШАННЫЕ ТЕСТЫ
  2. IV. Тесты для самопроверки
  3. Teaching tests (Обучающие тесты)
  4. VI. НАКАЗАНИЯ И ПРОТЕСТЫ
  5. А. Наличие постоянных резцов.
  6. в наплавленном металле и наличие в нем трещин
  7. В) Наличие нескольких узких мест.

Одно из требований теоремы Гаусса-Маркова - дисперсия случайной компоненты

D( ) = = const,

т.е. предположение о постоянстве дисперсии случайной составляющей для всех наблюдений. Если это условие соблюдается, процесс et называется гомоскедастичным. Если это не так, то процесс называется гетероскедастичным. Для обнаружения гетероскедастичности используется метод Голдфельда-Квадта. При проведении проверки по этому тесту предполагается сначала, что стандартное отклонение σ является случайной составляющей пропорционально значению одной из независимых переменных: X1 t или Х2t.

Для того, чтобы осуществить проверку на гомоскедастичность, необходимо для начала сортировать имеющиеся данные по возрастанию одной из переменных X1 t или Х2t. Важное условие такой сортировки – неразрывность троек (X1t,X2t,Yt), они могут перемещаться только вместе. В результате получаем новую таблицу, в верхней части которой сосредоточены меньшие значения Х1t, а в нижней – б о льшие.

Далее делим получившийся массив данных на две (по возможности) равные части. Для каждой из частей определяем регрессию с помощью функции ЛИНЕЙН и выделяем значения ESS1 и ESS2.

Следующий шаг – вычисление статистик (статистика Голдфельда-Квадта) и 1/GQ=ESS2/ESS1.

Статистика GQ является случайной величиной, распределенной по закону Фишера со степенями свободы числителя и степенями свободы знаменателя , где М – количество пар чисел в первой, а L – количество пар чисел во второй части выборки.

Далее находим значение F-статистики Фишера, используя уровень значимости α (обычно равен 0,05), а также количество степеней свободы первой и второй части списка; проверяем условия

Если оба этих условия выполняются, то гипотеза о равенстве дисперсий в обеих половинах выборки принимается с вероятностью p=1-α. Если хотя бы одно из неравенств не выполняется, то гипотеза отвергается с той же вероятностью.


Дата добавления: 2015-10-23; просмотров: 187 | Нарушение авторских прав


Читайте в этой же книге: Анализ вариации зависимой переменной в регрессии | Компьютерное моделирование эконометрических систем | Интервальное прогнозирование по оцененной линейной эконометрической модели парной регрессии значений эндогенной переменной | Множественная линейная регрессионная модель. Оценивание параметров множественной регрессии методом наименьших квадратов | Определение границ доверительного интервала | Оценивание параметров модели взвешенным методом наименьших квадратов | Проверка гипотез относительно коэффициентов парной регрессии | Автокорреляция случайного возмущения | Дисперсионный анализ в парной регрессии |
<== предыдущая страница | следующая страница ==>
Модель парной регрессии. Границы доверительных интервалов| Парная регрессия. Оценивание параметров методом наименьших квадратов

mybiblioteka.su - 2015-2024 год. (0.006 сек.)