Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Тест Голдфелда–Квандта гомоскедастичности случайных возмущений в схеме Гаусса – Маркова ⇐ ПредыдущаяСтр 8 из 8
Тест Голдфелда-Квандта предназначен для проверки предпосылки Var(u 1)=Var(u 2)=…=Var(un)= Ϭ 2 теоремы Гаусса-Маркова о гомоскедастичности случайного остатка в модели y = a 0 + a 1 x 1 + a 2 x 2 +…+ akxk + u (1) E(u | x)=0, E(u2 | x)= Ϭu 2 т.е. для проверки статистической гипотезы о равенстве дисперсий случайных остатков в уравнениях наблюдений y = X a + a: H0 : Var(u1)=Var(u2)=…=Var(un)= Ϭ 2 (2) Неадекватность гипотезы (2) порождает негативные для МНК-оценок a =f ⃰ (X, y)=f МНК (X, y)=M(X) y =(XTX)-1XT y
u12 + u22 + … + u n 2 Ϭu 2 = n – (k + 1) определённые последствия. Рассмотрим алгоритм теста (статистической процедуры) Голдфелда-Квандта, а затем проведём его обоснование. Тест Голдфелда-Квандта реализуется в итоге следующих шагов. Шаг 1. Уравнения наблюдений объекта y = X a + a следует упорядочить по возрастанию суммы модулей значений предопределённых переменных модели (1), т.е. по возрастанию значений z 1 = | x 1 i | + | x 1 i | +…+ | x 1 i | (3) Замечание. В этот пункт процедуры Голдфелда-Квандта заложена естественная предпосылка, что возможная гетероскедастичность случайного остатка в модели (1), т.е. зависимость его условий дисперсии Var(u) = E(u 2 | x) от объясняющих переменных модели, имеет специальный вид: E (u 2 | x) = f (| x 1 |+| x 2 |+…+| xk |) = f (z), (4) Причём функция f (z) является либо возрастающей, либо убывающей. Нужно подчеркнуть, что если случайный остаток гомоскедастичен, то любая зависимость Var(u) = E(u 2 | x) от x, а частности зависимость (4), отсутствует. Добавим, что после вычисления в отдельном столбце листа Excel величин (3) упорядочение уравнений наблюдений y = X a + a осуществляется командой «Сортировка по возрастанию» из категории «Данные». Шаг 2. По первым n ′ упорядоченным уравнениям наблюдений объекта (где n ′ удовлетворяет условиям k +1 < n ′, n ′ ≈ 0,3 n, (5) k +1 – количество оцениваемых коэффициентов функции регрессии) вычислить МНК-оценки параметров модели и величину n ′
ESS1 = ∑ ui2, (6) i =1 где ui = yi – yi = yi – (a 0 +a 1 x 1 i + … + akxki) - (7) МНК-оценка случайного возмущения ui. Замечание. Напомним, что функция ЛИНЕЙН Excel размещает величину ESS в ячейке B n +5, т.е. во втором столбце последней строки выделенного массива. Шаг 3. По последним n ′ упорядоченным уравнениям наблюдений вычислить МНК-оценку параметров модели и величину ESS, которую обозначим ESS 2. Шаг 4. Вычислить статистику ESS1 GQ = ESS 2 (8) Шаг 5. Задаться уровнем значимости ɑ и с помощью функции FРАСПОБР Excel при количествах степеней свободы ʋ1, ʋ2, где ʋ1 = ʋ2 = n ′ - (k +1), определить (1- ɑ)-квантиль, F крит= F 1- ɑ распределения Фишера. Шаг 6. Принять гипотезу (2), если справедливы неравенства GQ ≤ F крит (9) GQ -1 ≤ F крит т.е. при справедливых неравенствах (9) случайный остаток в модели (1) полагать гомоскедастичным. В противном случае гипотезу (2) отклонить как противоречащую реальным данным и сделать вывод о гетероскедастичности случайного остатка в модели (1). Замечание. Обсужденный выше тест корректен в ситуации, когда случайные остатки в уравнениях наблюдений y = X a + a распределены по нормальному закону и все другие предпосылки теоремы Гаусса-Маркова справедливы. Проведём обоснование теста Голдфелда-Квандта. Если вектор случайных остатков в уравнениях наблюдений имеет нормальный закон распределения и все предпосылки теоремы Гаусса-Маркова справедливы, то согласно величины ESS 1 и ESS 2 являются случайными переменными и распределены (с точностью до множителя Ϭu 2) по закону хи-квадрат с количеством степеней свободы n ′ -(k +1). Кроме того, согласно предпосылке
Cov(ui, uj)=0, i ≠ j эти переменные независимые. Значит, и статистика (8), и обратная к ней величина GQ -1 являются случайной переменной и имеют распределение Фишера с количествами степеней свободы ʋ1, ʋ2. Следовательно, критерием гипотезы (2) может служить множество Z [ H 1]=(F 1- ɑ , +∞). (10) Если величина GQ (или величина GQ -1) попадает в множество (10), то гипотезу (2) следует отклонит ь в пользу альтернативной гипотезы H 1= H 0, (11) Представляющей отрицание гипотезы (2), т.е. означающей гомоскедастичность случайного остатка в модели (1). Второе условие (приближенное равенство) в (5) обеспечивает максимальную мощность критерия (9).
|
||||||
Последнее изменение этой страницы: 2021-03-10; просмотров: 122; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 13.58.121.131 (0.009 с.) |