Поэтому возникает необходимость проверки наличия автокорреляции и в случае значимости последней — принятия мер к устранению. Для проверки наличия автокорреляции наблюдений вычислялась последовательность остаточных ошибок, как разность между фактическим значением у (ЦУФ) и значением у , вычисленным по уравнениям регрессии. Затем с помощью одного из параметрических критериев проверялась гипотеза о случайном характере этой последовательности. Если гипотеза не отвергалась, считалось, что автокорреляция между наблюдениями отсутствует. [c.520]
Эмпирическое уравнение регрессии определяется на основе конечного числа статистических данных. Поэтому коэффициенты эмпирического уравнения регрессии являются случайными величинами, изменяющимися от выборки к выборке. При проведении статистического анализа перед исследователем зачастую возникает необходимость сравнения эмпирических коэффициентов регрессии bo и bi с некоторыми теоретически ожидаемыми значениями р0 и pi этих коэффициентов. Данный анализ осуществляется по схеме статистической проверки гипотез, которая подробно проанализирована в разделе 3.4. Для проверки гипотезы [c.120]
Другим важным направлением использования статистики Фишера является проверка гипотезы о равенстве нулю не всех коэффициентов регрессии одновременно, а только некоторой части этих коэффициентов. Данное использование статистики F позволяет оценить обоснованность исключения или добавления в уравнение регрессии некоторых наборов объясняющих переменных, что особенно важно при совершенствовании линейной регрессионной модели. [c.159]
Еще одним направлением использования F-статистики является проверка гипотезы о совпадении уравнений регрессии для отдельных групп наблюдений. Одним из распространенных тестов проверки данной гипотезы является тест Чоу, суть которого состоит в следующем. [c.161]
При достаточно большом прогнозном периоде можно воспользоваться схемой проверки гипотезы о совпадении уравнений регрессии для отдельных групп наблюдений, описанной в разделе 6.6.2. При этом рассчитываются три уравнения регрессии для периода выборки, для периода прогноза и для объединенного периода. [c.296]
Учебник содержит систематическое изложение основ эконометрики и написан на основе лекций, которые авторы в течение ряда лет читали в Российской экономической школе и Высшей школе экономики. Подробно изучаются линейные регрессионные модели (метод наименьших квадратов, проверка гипотез, гетероскедастичность, автокорреляция ошибок, спецификация модели). Отдельные главы посвящены системам одновременных уравнении, методу максимального правдоподобия в моделях регрессии, моделям с дискретными и ограниченными зависимыми переменными. [c.2]
Проверка значимости включает проверку значимости общего уравнения регрессии и конкретных частных коэффициентов регрессии, гипотеза для проверки общего уравнения гласит, что коэффициент множественной детерминации для генеральной совокупности равен нулю [c.664]
Первая проблема, связанная с применением такого типа уравнения регрессии для проверки правильности гипотезы постоянного дохода (представленной уравнением 20.23), состоит в том, что оно заключает в себе две гипотезы. Одна из них трактует спрос на деньги как функцию постоянного дохода, другая допускает возможность замены понятия постоянного дохода понятием ожидаемого дохода, который сам представляет собой взвешенную сумму прошлого и настоящего фактического дохода (см. уравнение 20.24). Поэтому, если уравнение 20.25 недостаточно точно согласуется с эмпирическими данными, мы не знаем, происходит ли это вследствие неправильности теории спроса на деньги или ошибочности гипотезы, касающейся ожидаемого дохода. Вторая проблема заключается в том, что, даже когда уравнение [c.638]
Регрессия представляет собой аппроксимацию регрессионного уравнения или математического соотношения великого множества случайных величин. Часто в анализе (регрессии) аппроксимации является целью проверка основной или альтернативных экономических гипотез либо установление количественной экономической взаимозависимости. Для этого обычно используется метод наименьших квадратов. [c.219]
Если нулевую гипотезу отклоняют, то один или несколько частных коэффициентов регрессии в совокупности имеют значение, отличное от нуля. Чтобы определить, какие из конкретных коэффициентов Отличны от нуля, выполним дополнительные проверки. Проверку значимости Д выполним тем же способом, что и в случае парной регрессии, т.е. используя г статистику. Значимость частного коэффициента для переменной — погодные условия — можно выполнить с помощью уравнения 0.5887 [c.664]
Сформулируйте нулевую гипотезу при проверке значимости общего уравнения множественной регрессии. Как проверяют данную нулевую гипотезу [c.679]
F-me m - оценивание качества уравнения регрессии - состоит в проверке гипотезы Яо о статистической незначимости уравнения регрессии и показателя тесноты связи. Для этого выполняется сравнение фактического F, и критического (табличного) F значений F-критерия Фишера. Р определяется из соотношения значений факторной и остаточной дисперсий, рассчитанных на одну степень свободы [c.7]
Задача дисперсионного анализа состоит в проверке нулевой гипотезы Но о статистической незначимости уравнения регрессии в целом и показателя тесноты связи. [c.61]
Таким образом, проверка гипотез о значимости кбэффйциен-тов регрессии и корреляции равносильна Проверке гийотезьго существенности линейного уравнения регрессии. [c.55]
При оценке достоверности моделей авторегрессии следует учитывать специфику тестирования этих моделей на автокорреляцию остатков. В п. 6.4 мы уже упоминали, что для проверки гипотез об автокорреляции остатков в моделях авторегрессии нельзя использовать критерий Дарбина — Уотсона. Это объясняется тем, что применение критерия Дарбина — Уотсона предполагает строгое соблюдение предпосылки о разделении переменных модели на результативную и факторные (точнее — о нестохастической природе факторных признаков уравнения регрессии). При наличии в правой части уравнения регрессии лаговых значений результата и, следовательно, несоблюдении этой предпосылки фактическое значение критерия Дарбина — Уотсона приблизительно равно 2 как при отсутствии, так и при наличии автокорреляции остатков. Происходит это по следующей причине. [c.328]
Для проверки существования AR H необходимо возвести в квадрат ошибки из первоначального уравнения условной средней. Этот ряд квадратов регрессируется по константе и прошлым значениям квадратов с лагом р. Критерием является Т R2, где Т — размер выборки и R2 — коэффициент множественной регрессии из уравнения регрессии квадратов ошибок. Этот критерий подчиняется х2 РаспРеДелению. Число степеней свободы равно числу временных лагов в регрессии. Если значение критерия больше критического значения из таблиц х2, то нулевая гипотеза о том, что AR H не присутствует, отвергается. [c.356]
F-статистика Фишера используетса-такжедля проверки гипотезы о совпадении уравнений регрессии для отдельных групп наблю- [c.319]
Сведем эту ситуацию к общей схеме проверки линейных ограничений на параметры модели. Регрессией без ограничений здесь является объединение двух регрессий (3.48а), (3.486), т.е. ESSuR = ESSi + ESS2, число степеней свободы при этом равно (п — f ) + (т — k) = п + га — 2f . Предположим теперь, что верна нулевая гипотеза. Тогда регрессия с ограничениями записывается одним уравнением [c.85]