• Гідрологія і Гідрометрія
• Господарське право
• Економіка будівництва
• Економіка природокористування
• Економічна теорія
• Земельне право
• Історія України
• Кримінально виконавче право
• Медична радіологія
• Методи аналізу
• Міжнародне приватне право
• Міжнародний маркетинг
• Основи екології
• Предмет Політологія
• Соціальне страхування
• Технічні засоби організації дорожнього руху
• Товарознавство продовольчих товарів

Розв’язання

Гетероскедастичність і зважений метод найменших квадратів

Ознаку гетероскедастичності в кожному конкретному випадку виявити складно, оскільки для цього необхідно знати величини для кожного фіксованого значення . На практиці, як правило, для кожного конкретного значення ми маємо в розпоряджені лише одне значення залежної змінної , а не цілий ряд розподілу. Це не дозволяє нам оцінити дисперсію випадкової величини Y при фіксованому значенні .

Існують опробовані тести за допомогою яких можна виявити гетероскедастичність. І, як свідчить практика, їх використання дають позитивні наслідки. Такими є тести Глейзера і Гольдфельда-Квандта.

Тести Глейзера і Гольдфельдта-Квандта можуть виявити присутність ознаки гетероскедастичності в моделі лише у випадку порушення умови , тобто, коли дисперсії залишків не є сталими величинами. Коли ж умова виконується, і при цьому , то виявити це порушення умови гомоскедаститчності вищенаведеними тестеми неможливо.

У цьому випадку маємо справу із лінійною моделю з порушенням ознаки гомоскедастичності, яка належить до другої групи. Така ситуація виникає при досліджені моделей із ознакою автокореляції.

Розглянемо приклад.

Приклад 18.1.Розглянемо залежність між прибутком банків України (Y, млн.грн.) та величиною їх статутного фонду (X, млн.грн.) на прикладі вибіркових даних, приведених в таблиці 18.1.

Таблиця 18.1

Необхідно:

1) обчислити оцінки параметрів моделі за методом найменших квадратів, перевірити суттєвість зв’язку в моделі та статистичну значущість розрахованих оцінок параметрів моделі;

2) проаналізувати доцільність застосування методу найменших квадратів, перевіривши тестами Гольдфельда-Квандта та Глейзера наявність гетероскедастичності залишків;

3) розрахувати оцінки параметрів моделі з урахуванням результатів тестів на наявність гетероскедастичності залишків.

1) Побудова моделі за МНК, перевірка моделі та її параметрів на статистичну значущість.

Лінійна економетрична модель, оцінки параметрів якої знайдено за методом найменших квадратів для вибіркових даних (табл.18.1), має вигляд:

. (18.21)

Коефіцієнт детермінації цієї моделі R²=0,854, між результативною змінною Y і регресором X коефіцієнт парної кореляції r_xy=0,924. Перевіримо статистичну значущість коефіцієнта парної кореляції за критерієм Стьюдента:

.

При рівні значущості a=0,05 та ступенях свободи k=n-m-1=28 табличне значення критерію Стьюдента =2,048, отже, > , зв’язок в моделі між Y та X суттєвий. Стандартні помилки оцінок параметрів і відповідні їм значення t-критерію дорівнюють:

, це дає змогу зробити висновок про суттєву відмінність від нуля розрахованих оцінок параметрів моделі.

2) Перевірка на наявність гетероскедастичності залишків.

Застосуємо тест Гольдфельда-Квандта для перевірки наявності гетероскедастичності залишків. Тестом перевіряється за критерієм Фішера основна гіпотеза H₀: при альтернативній гіпотезі H_α: не H₀. Для цього упорядкуємо вхідні дані в порядку спадання значень пояснюючої змінної X (табл. 18.2).

Таблиця 13.2

Відкинемо ( ) середніх спостережень (друга підвибірка), вважаючи, що дисперсія залишків для них постійна. За методом найменших квадратів знайдемо оцінки параметрів спочатку для першої моделі (підвибірка 1) з найбільшими значеннями регресора X, потім для другої – з найменшими значеннями X ( третя підвибірка).

Знайдемо значення та (табл.18.3) для першої та другої моделей та перевіримо наявність гетероскедастичності залишків на основі тесту Гольдфельда-Квандта.

Таблиця 18.3

Для цього обчислимо суми квадратів залишків і та розрахуємо значення :

Розраховане значення порівняємо з табличним значенням =3,18 із ступенями свободи k₁=11-1-1=9 і k₂=11-1-1=9 при рівні значущості α=0,05. Так як >, гіпотезу H₀ про відсутність гетероскедастичності залишків відхиляємо.

Проаналізуємо наявність гетероскедастичності за тестом Глейзера. Для моделі (18.20) обчислимо значення залишків та запишемо їх за абсолютною величиною (табл.18.4).

Таблиця 18.4

Коефіцієнт детермінації моделі R²=0,628, між та X коефіцієнт парної кореляції r=0,792. Стандартні помилки оцінок параметрів і відповідні їм значення t-критерію дорівнюють:

При рівні значущості a=0,05 і ступенях свободи k=n-m-1=28 табличне значення критерію Стьюдента t_a/2,k=2,048. Порівняємо розраховані значення з табличним:

.

Отже, приймаємо за тестом Глейзера гіпотезу про наявність гетероскедастичності залишків.

3) Застосуємо зваженений метод найменших квадратів для знаходження оцінок параметрів моделі з гетероскедастичними регресійними залишками.

На основі тесту Гольдфельда-Квандта та Глейзера припускаємо, що . Використовуючи (18.15), одержуємо

,

де , .

На основі даних таблиці 18.5, знаходимо, що

.

Таблиця 18.5

Для визначення та використовується формула:

,

де

та . Тут n-m-1=30-1-1=28.

Таким чином, одержано

.

Перевіримо статистичну значущість оцінок параметрів на основі t-критерію:

При рівні значущості a=0,05 та ступенях свободи k=n-m-1=28 табличне значення критерію Стьюдента =2,048. , розраховані оцінки параметрів моделі суттєво відрізняються від нуля.

В порівнянні з моделлю (18.21) середньоквадратичні помилки оцінок параметрів зменшились при відповідному збільшенні значення .

Отже, економетрична модель з урахуванням гетероскедастичності залишків має наступний вигляд:

,

тобто майже чверть величини статутного фонду визначає щорічний прибуток банку, що може бути характеристикою ефективності використання початкового (акціонерного) капіталу українських банків.

Читайте також:

1. IV. Перевірка розв’язання і відповідь
2. Алгоритм розв’язання задачі
3. Алгоритм розв’язання розподільної задачі
4. Визначення оптимального варіанта розв’язання проблеми на основі порівняльного аналізу можливих варіантів
5. Визначення проблеми, на розв’язання якої спрямована Програма
6. Задачі для самостійного розв’язання
7. Задачі для самостійного розв’язання
8. Задачі для самостійного розв’язання
9. Закономірності формування умінь та навичок розв’язання задач
10. Інформаційне забезпечення розв’язання завдань.
11. Концептуальні проблеми розв’язання багатоцільових та багатокритеріальних задач
12. Методи пошуку розв’язання на прикладах задач планування

Переглядів: 1283