Наиболее распространенным в практике статистического оценивания параметров уравнений регрессии является метод наименьших квадратов. Этот метод основан на ряде предпосылок относительно природы данных и результатов построения модели. Основные из них - это четкое разделение исходных переменных на зависимые и независимые, некоррелированность факторов, входящих в уравнения, линейность связи, отсутствие автокорреляции остатков, равенство их математических ожиданий нулю и постоянная дисперсия. Эмпирические данные не всегда обладают такими характеристиками, т.е. предпосылки МНК нарушаются. Применение этого метода в чистом виде может привести к таким нежелательным результатам, как смещение оцениваемых параметров, снижение их состоятельности, устойчивости, а в некоторых случаях может и вовсе не дать решения. Для смягчения нежелательных эффектов при построении регрессионных уравнений, повышения адекватности моделей существует ряд усовершенствований МНК, которые применяются для данных нестандартной природы. [c.353]
В отличие от предыдущего случая, риски при некоррелированности не складываются, поэтому риск при комбинировании активов будет снижен. Тогда все активы с доходностью выше гарантированной должны войти в оптимальный портфель (эффект диверсификации). (Точная формулировка этого утверждения приводится ниже.) [c.63]
В отличие от случая жесткой положительной коррелированности, риски при некоррелированности не складываются, поэтому риск при комбинировании активов будет снижен. Тогда все активы с доходностью выше гарантированной должны войти в оптимальный портфель (эффект диверсификации). Другими словами, для случая некоррелированных доходностей в модели Марковица выполняется аналог теоремы о диверсификации [c.278]
Применение "внутри"-оценки предпочтительно при интерпретации индивидуальных эффектов как фиксированных эффектов. Если рассматривать эти эффекты как случайные и некоррелированные с остальными объясняющими переменными, то предпочтительнее использовать инструментальное GLS-оценивание, как это было описано выше. Такой подход приводит к следующим результатам [c.290]
Эксцессивная мажоранта 670 Эффект асимметрии 200 Эффект Марковитца 61 Эффект некоррелированности 61 Эффект отрицательной [c.487]
Однако некоррелированность, как известно, еще не означает независимости, и совершенно не исключено, что, скажем, h +m и Л или Лп+т и hn окажутся положительно коррелированными. Экспериментальный анализ многих финансовых данных показывает (не противореча гипотезе мартингальности цен на эффективном рынке ), что так оно и есть на самом деле. И весьма замечательно также то, что этот феномен положительной коррелированности, приводящий к эффекту кластерности (скученности) величин (Лп)п>1 по группам с большими или малыми их значениями, "ухватывается" объясняется рядом довольно-таки простых моделей (та- [c.74]
Модель со случайным эффектом (random effe t model) предполагается, что в уравнении (13.3) оц = /z + щ, где /и — параметр, общий для всех единиц во все моменты времени, а щ — ошибки, некоррелированные с ц и некоррелированные при разных г. [c.362]
Хаусмана не отвергает гипотезу о некоррелированности индивидуальных эффектов с объясняющими переменными. [c.340]
Необходимо все возможные комбинации, однако это не так просто. В попарном подходе можно снизить число попарных сравнений, используя периодический план. Аналогично в полнопрофильном методе можно значительно уменьшить число объектов с помощью дробного факторного эксперимента. Специальный класс факторных экспериментов, называемый ортогональной таблицей, позволяет эффективно все главные эффекты. Ортогональная таблица допускает измерение всех изучаемых главных эффектов на некоррелированной основе. Эти планы предполагают, что все взаимодействия пренебрежимо малы. Ортогональные составляют, исходя из планов полного факторного эксперимента, заменив выбранные эффекты взаимодействия, которые принимают пренебрежимо малыми, новым фактором [26]. Обычно получают два набора данных. Набор используют для вычисления функций полезности для атрибутивных уровней. Набор проверки достоверности используют для оценки надежности и достоверности. [c.796]