Курсовая работа: Построение эконометрической модели и исследование проблемы автокорреляции с помощью тестов Бреуша-Годфри и Q-статистики
где j-номер соответствующего лага, -
автокорреляция при соответствующем лаге, T- количество измерений. При отсутствии автокорреляции
значения Q могут асимптотически приближаться к
соответствующему значению со
степенью свободы равной номеру лага. Q-статистика широко используется для определения того является ли ряд
белым шумом.
Как видно из
коррелограммы(Q-теста) первые
значения функции имеют достаточно большие значения, при том, что заметно их
последующее уменьшение при увеличении номера лага. Также на графике же
частичной автокорреляции заметен первый «выдающийся» лаг, и увеличение Q на большее значение, чем по таблицам
распределения, что чётко
указывает на наличие автокорреляции в модели.
При отсутствии автокорреляции Q‑статистика показала бы все значения
функции, колеблющиеся около нуля, независимо от номера лага.
Для того чтобы окончательно убедиться
в наличии автокорреляции в модели следует проанализировать результаты по тесту
Бреуша-Годфри, в котором строится уравнение вида:
(5)
В регрессионной модели, построенной
на основании уравнения (5) рассматривается произведение коэффициента
детерминации и количества измерений. За нулевую гипотезу принимается то, что
все коэффициенты нового уравнения имеют нулевые значения, или статистически
незначимы, то есть отсутствие автокорреляции. Альтернативная же гипотеза
говорит о наличии в исходной модели проблемы автокорреляции
Таким образом, рассматриваем значение
«Obs*R-square» и сравниваем его с соответствующим критически значением из
таблиц распределения с количеством
степеней свободы равным 1, так как количество степеней свободы равно количеству
лагов (в данном случае один).
Наблюдаемое значение оказалось больше
критического(7.88 для =0.005),
следовательно принимается альтернативная гипотеза, что окончательно убеждает в
том, что в модели присутствует положительная (по Дарбину-Уотсону) автокорреляция
первого порядка.
- была построена регрессионная
модель, с хорошими показаниями t-статистик
и высоким коэффициентом детерминации;
- в модели отсутствует
гетероскедастичность;
- тесты Бреуша-Годфри и Q-тест выявили в модели наличие
автокорреляции;
- для улучшения качества модели, а
так же её прогнозных свойств автокорреляцию следует устранить.
Глава 3.
Устранение автокорреляции
Как известно широко
используемыми методами усовершенствования модели с целью устранения
автокорреляции являются:
- уточнение состава
переменных, то есть устранение одной либо нескольких переменных или добавление
переменных;
- изменение формы
зависимости.
Если после ряда этих
действий автокорреляция по-прежнему имеет место, то возможны некоторые
преобразования, её устраняющие.
Для усовершенствования
модели было решено добавь ещё одну переменную в анализ. Эта экзогенная
переменная определяется как разность экспорта и импорта страны, и в
экономической среде получила название чистого экспорта (EX-IM=NX).
Таким образом, в модели
появляется третяя объясняющая переменная и зависимость принимает следующий вид:
(6)
Данное уравнение является
основным макроэкономическим тождеством для стран с открытой экономикой, какими
и являются большинство стран мира.
При построении
регрессионной модели были получены следующие данные:
Dependent Variable: GDP |
Method: Least Squares |
Date: 12/11/08 Time: 19:23 |
Sample: 1999:1 2008:2 |
Included
observations: 38 |
GDP=C(1)+C(2)*IG+C(3)*CONS+C(4)*NX |
|
Coefficient |
Std.
Error |
t-Statistic |
Prob. |
C(1) |
9.983102
|
15.40599 |
0.648001
|
0.5213 |
C(2) |
1.041238
|
0.031994 |
32.54493
|
0.0000 |
C(3) |
1.004281
|
0.017836 |
36.30674
|
0.0000 |
C(4) |
0.890623
|
0.063486 |
14.02859
|
0.0000 |
R-squared |
0.999753
|
Mean
dependent var |
4283.858 |
Adjusted
R-squared |
0.999731 |
S.D.
dependent var |
2609.517 |
S.E. of
regression |
42.77300 |
Akaike
info criterion |
10.44899 |
Sum
squared resid |
62204.00 |
Schwarz
criterion |
10.62137 |
Log
likelihood |
-194.5308 |
Durbin-Watson
stat |
2.338553
|
Страницы: 1, 2, 3, 4, 5, 6, 7 |