- •Всероссийский заочный финансово-экономический
- •Свойства оценок обычного метода наименьших квадратов
- •Обобщенный метод наименьших квадратов
- •Обобщенная модель регрессии
- •Оценивание параметров моделей с гетероскедастичностью возмущений
- •Пример 1
- •Оценивание параметров моделей с коррелированными возмущениями
- •Пример 2
- •Литература
Оценивание параметров моделей с коррелированными возмущениями
Если имеется автокорреляция возмущений, то для оценки параметров модели используют другой частный случай обобщенного метода наименьших квадратов. Пусть по временным рядам переменных Xи Y строится парная линейная модель
|
(t=1, 2, …, n), |
(0) |
уравнение регрессии которой имеет вид:
|
(t=1, 2, …, n), |
(0) |
где b0,b1— оценки параметров0и1соответственно.
Первоначально исходные переменные и свободный член b0уравнения регрессии преобразуются с помощью формул:
|
; |
(0) |
|
; |
(0) |
|
(t=2, 3, …, n), |
(0) |
где r(1)— коэффициент автокорреляции остатков первого порядка [см. формулу (0)].
В результате уравнение (0) трансформируется в уравнение
|
(t=2, 3, …, n), |
(0) |
параметры которого определяются обычным МНК. После этого рассчитывается свободный член b0исходного уравнения (0) по формуле
|
. |
(0) |
Пример 2
Исследуется зависимость цены акции предприятия (переменная Y, руб.) от индекса фондового рынка (переменная X, пунктов) по данным за 12 месяцев. Имеются временные ряды средневзвешенных за месяц значений переменных:
Месяц |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
X |
244 |
222 |
201 |
186 |
215 |
248 |
256 |
255 |
217 |
224 |
263 |
292 |
Y |
152 |
154 |
149 |
136 |
139 |
148 |
152 |
156 |
152 |
156 |
169 |
176 |
Требуется:
Построить линейную модель парной регрессии Y по X.
Проверить наличие автокорреляции возмущений модели методом Дарбина-Уотсона.
При обнаружении автокорреляции возмущений построить обобщенную модель регрессии.
Решение
1. По временным рядам переменных строим модель парной регрессии
(t=1, 2, …, n; n=12),
параметры которой оцениваем обычным методом наименьших квадратов. С помощь табличного процессора MS Excel были определены коэффициенты уравнения регрессии : b0=81,8; b1=0,304. Уравнение регрессии, таким образом, имеет вид:
.
Уравнение регрессии статистически значимо на уровне =0,05: коэффициент детерминации имеет значение R2=0,671; F-статистика — F=20,41; табличное значение F-критерия Фишера — F0,05; 1;10=4,96.
Значение углового коэффициента уравнения b1=0,304 показывает, что при росте индекса рынка на 1 пункт цена акции возрастает в среднем на 0,304 руб., т. е. на 30,4 коп.
График зависимости Y от X выглядит следующим образом:
2. Построим график временного ряда остатков регрессии и проведем его визуальный анализ. Предсказываемые уравнением регрессии значения результата и остатков (t=1, 2, …, n; n=12) приведены в таблице:
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
xt |
244 |
222 |
201 |
186 |
215 |
248 |
256 |
255 |
217 |
224 |
263 |
292 |
yt |
152 |
154 |
149 |
136 |
139 |
148 |
152 |
156 |
152 |
156 |
169 |
176 |
|
156 |
149 |
143 |
138 |
147 |
157 |
160 |
159 |
148 |
150 |
162 |
170 |
et |
-3,9 |
4,8 |
6,2 |
-2,3 |
-8,1 |
-9,1 |
-7,6 |
-3,2 |
4,3 |
6,2 |
7,3 |
5,5 |
График временного ряда остатков имеет вид:
Визуальный анализ графика указывает на положительную автокорреляцию возмущений: видно, что на графике имеются чередующиеся зоны положительных и отрицательных остатков регрессии. Проверим это предположение методом Дарбина-Уотсона. Определяем d-статистику по формуле
.
Критические значения d-критерия для числа наблюдений n=12 и уровня значимости =0,05 составляют d1=0,97 и d2=1,33 (см. приложение). Так как , то это свидетельствует о наличии положительной автокорреляции возмущений. На это же указывает и коэффициент автокорреляции остатков первого порядка
,
который превышает критическое значение 0,346 для n=12 и =0,05 (см. приложение).
3. Применим обобщенный метод наименьших квадратов для оценки параметров исходной модели, для чего преобразуем исходные данные по формулам:
|
; |
|
|
(t=1, 2, …, n; n=12). |
|
Преобразованные данные имеют вид:
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
— |
65,7 |
58,8 |
57,3 |
95,9 |
110,3 |
97,2 |
91,0 |
53,7 |
85,0 |
119,5 |
123,6 | |
— |
56,7 |
50,4 |
40,6 |
51,9 |
59,0 |
57,2 |
58,7 |
52,1 |
58,7 |
69,1 |
67,8 |
Обычным методом наименьших квадратов определяем коэффициенты преобразованного уравнения регрессии (t=1, 2, …, n; n=12): ;. Свободный член исходного уравнения
.
Окончательно исходное уравнение регрессии примет вид:
.
Данное уравнение статистически значимо на уровне =0,05: коэффициент детерминации имеет значение R2=0,666; F-статистика — F=17,92; табличное значение F-критерия Фишера — F0,05; 1;9=5,12.
Таким образом при росте индекса рынка на 1 пункт цена акции возрастает в среднем на 0,257 руб. или на 25,7 коп.