Уотсона старшего, учредителя ЮМ, однажды спросили, что нужно делать, чтобы продвинуться в его фирме, как и в любой другой. Он ответил Удвойте количество ошибок . [c.257]
Сто пятьдесят лет спустя мир увидел Александра Великого. Томас Уотсон тех дней, это был ученик Аристотеля и почитатель Гомера. Он был бравым, и он был осторожным. [c.12]
Одним из молодых учеников Паттерсона был Томас Дж. Уотсон, впоследствии ставший основателем корпорации ИБМ . Паттерсон указал другим фирмам путь превращения торгового аппарата в эффективное орудие, обеспечивающее рост сбыта и прибылей. [c.553]
Наиболее распространенным примером выявления наличия автокорреляции в отклонениях от тренда или от регрессионной модели является использование критерия Дарбина—Уотсона (d), который рассчитывается по формуле [c.86]
Найденное уравнение регрессии значимо на 5%-ном уровне по /-критерию, так как фактически наблюдаемое значение статистики F= 24,32 > /o,05 i i9 = 4,35. Можно показать (например, с помощью критерия Дарбина—Уотсона) (см. далее, 7.7)), что возмущения (ошибки) е/ в данной модели удовлетворяют условиям классической модели и для проведения прогноза могут быть использованы уже изученные нами методы. [c.148]
Авторегрессия первого порядка. Статистика Дарбина— Уотсона [c.170]
Тест Дарбина— Уотсона. Этот простой критерий (тест) определяет наличие автокорреляции между соседними членами. [c.170]
Тест Дарбина— Уотсона основан на простой идее если корреляция ошибок регрессии не равна нулю, то она присутствует и в остатках регрессии et, получающихся в результате применения обычного метода наименьших квадратов. В тесте Дарбина— Уотсона для оценки корреляции используется статистика вида [c.170]
Несложные вычисления позволяют проверить, что статистика Дарбина— Уотсона следующим образом связана с выборочным коэффициентом корреляции между соседними наблюдениями [c.171]
Тест Дарбина—Уотсона имеет один существенный недостаток — распределение статистики d зависит не только от числа наблюдений, но и от значений регрессоров Xj (j= I,. .., р). Это означает, что тест Дарбина—Уотсона, вообще говоря, не представляет собой статистический критерий, в том смысле, что нельзя указать критическую область, которая позволяла бы отвергнуть гипотезу об отсутствии корреляции, если бы оказалось, что в эту область попало наблюдаемое значение статистики d. [c.172]
В табл. V приложений приведены значения статистик dH и JB критерия Дарбина—Уотсона на уровне значимости а = 0,05. [c.172]
Недостатками критерия Дарбина—Уотсона является наличие области неопределенности критерия, а также то, что критиче- [c.172]
При использовании компьютерных регрессионных пакетов значение статистики Дарбина—Уотсона приводится автоматически при оценивании модели методом наименьших квадратов. [c.173]
Вернемся к рассмотренному в 7.6 примеру зависимости курса ценной бумаги А от времени. Здесь статистика Дарбина— Уотсона d= 0,993, т. е. меньше единицы. Такое низкое ее значение выявляет наличие положительной корреляции между соседними наблюдениями. Заметим, что такой вывод предсказывался нами в 7.6 на основании экономических соображений. [c.174]
Статистика Дарбина—Уотсона, безусловно, является наиболее важным индикатором наличия автокорреляции. Однако, как уже отмечалось, тест обладает и определенными недостатками. Это и наличие зоны неопределенности, и ограниченность результата (выявляется лишь корреляция между соседними членами). Ничего нельзя сказать и о характере автокорреляции. [c.174]
Преимущество теста Бреуша—Годфри по сравнению с тестом Дарбина—Уотсона заключается в первую очередь в том, что он проверяется с"помощью статистического критерия, между тем как тест Дарбина—Уотсона содержит зону не- [c.174]
Как видно, значимым оказывается только регрессор е , т. е. существенное влияние на результат наблюдения е, оказывает только одно предыдущее значение е . Положительность оценки соответствующего коэффициента регрессии указывает на положительную корреляцию между ошибками регрессии etvi е,-. К такому же выводу приводит и значение статистики Дарбина— Уотсона, полученное в 7.7. [c.175]
Решение. Значение /-статистики Дарбина— Уотсона, примерно равное единице, дает оценку коэффициента корреляции между е, и et-, т. е. г(1)=0,5. [c.176]
Полученное значение rf-статистики Дарбина—Уотсона достаточно близко к двум, гипотеза об отсутствии автокорреляции принимается. Тест Льюинга—Бокса также подтверждает гипотезу о равенстве нулю автокорреляционной функции всех порядков. Таким образом, достигнута идентификация ряда остатков с помощью модели AR(l). [c.180]
И в этом случае как значение статистики Дарбина— Уотсона, так и тест Льюинга— Бокса подтверждают гипотезу об отсутствии автокорреляции, т. е. ряд остатков исходной модели может быть идентифицирован и с помощью модели М/4(1). Причем сравнение полученных результатов показывает, что качество идентификации практически одинаково (возможно, модель AR (1) несколько предпочтительнее в силу того, что значение функции правдоподобия чуть выше 1п =— 504 для модели AR и InL=— 508 для модели МА. Впрочем, различие это несущественно). [c.181]
При этом значение статистики Дарбина—Уотсона d= 1,864 достаточно близко к двум, так что можно считать, что автокорреляция устранена и получено оценочное значение параметра 3 [c.184]
Объяснение здесь очень простое тест Дарбина—Уотсона неприменим в том случае, если имеется корреляция между регрессо-рами и ошибками регрессии. В самом деле, идея теста заключается в том, что корреляция ошибок регрессии имеет место в том и только том случае, когда она значимо присутствует в остатках регрессии. Но для того, чтобы это было действительно так, необходимо, чтобы набор значений остатков можно было бы интерпретировать как набор наблюдений ошибок. Между тем это не так, если регрессоры коррелируют с ошибками. [c.213]
Можно показать, что в этом случае значение статистики Дарбина—Уотсона будет часто попадать в область принятия гипотезы об отсутствии автокорреляции и в том случае, если на самом деле эта гипотеза неверна. Это обстоятельство и делает тест Дарбина—Уотсона неприменимым и обусловливает необходимость других инструментов для обнаружения автокорреляции ошибок регрессии в моделях со стохастическими регрессорами. [c.213]
Обратим особое внимание на достаточно близкое к двум значение статистики Дарбина— Уотсона для уравнения (8.57). На этот раз значение d попадает в область принятия гипотезы, что, очевидно, противоречит уравнению (8.58). Правильный результат можно получить с помощью Л-теста Дарбина. Имеем [c.214]
Значение статистики Дарбина—Уотсона d= 1,9. Какой следует сделать вывод о наличии автокорреляции в модели [c.223]
Существенно отличающееся от двух значение статистики d Дарбина—Уотсона указывает на то, что имеется положительная автокорреляция ошибок регрессии. Одна из возможностей — попробовать идентифицировать ряд остатков как ряд модели ARMA(p, q). При этом самая простая модель AR(l) оказывается вполне адекватной [c.253]
На этот раз значение статистики d Дарбина— Уотсона оказывается достаточно близким к двум. Таким образом, в качестве модели мы можем принять модель авторегрессии первого порядка [c.254]
Как видно, значение статистики d Дарбина— Уотсона очень близко к двум, так что в новой модели проблема автокорреляции ошибок регрессии отсутствует. Отсюда следует, что ее причина была в неверной спецификации модели. Стоит также обратить внимание, что коэффициент регрессии при xt уменьшился вдвое — на товары роскоши, подобные дорогому отдыху, расходы рассредоточиваются по нескольким ближайшим годам. [c.254]
Значения [c.298]
Смотреть страницы где упоминается термин Уотсон
: [c.78] [c.725] [c.46] [c.499] [c.669] [c.327] [c.106] [c.172] [c.173] [c.177] [c.177] [c.189] [c.189] [c.213] [c.213] [c.283] [c.301] [c.305] [c.4] [c.31]Экономико-математический словарь Изд.5 (2003) -- [ c.70 ]
Маркетинг-менеджмент и стратегии (2002) -- [ c.274 ]
Основы маркетинга (1994) -- [ c.515 ]