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 |
Сущность автокорреляции и методы ее устранения (ослабления). Критерий Дарбина-Уотсона( DW) .
Автокорреляция - это корреляция между наблюдаемыми показателями, упорядоченными во времени (временные ряды) или в пространстве (перекрестные ряды). Автокорреляция остатков (отклонений) обычно встречается при использовании данных временных рядов. Автокорреляция в остатках есть нарушение одной из основных предпосылок МНК - предпосылки о случайности остатков, полученных по уравнению регрессии. Один из возможных путей решения этой проблемы состоит в применении к оценке параметров модели обобщенного МНК. При построении уравнения множественной регрессии по временным рядам данных возникает также проблема мультиколлинеарности факторов, входящих в уравнение регрессии, в случае если эти факторы содержат тенденцию. Наиболее лучший способ устранения Автокорреляции – это определить фактор, который вызывает автокорреляцию остатков и включает его в уравнение регрессии, но это трудно сделать, так как: нам неизвестен фактор и этот фактор трудно измерить Поэтому используют другие способы. Метод Кокрана-Оркатта. Данный метод используется для устранения автокорреляции итерационную процедуру, которую можно представить в виде следующих этапов: 1. оцениваем исходное регрессионное уравнение, то есть находим λ и β. 2. вычисляем остатки 3. находим оценку ρ коэффициента автокорреляции (1) 4. используя данную оценку ρ находим уравнение (3) 5. производим определение параметров уравнения (3) и находим новые значения оценок λ и β 6. повторно вычисляем остатки и фактически возвращаемся к этому №3 7. Процесс повторяется до тех пор, пока не будет получена требуемая точность сходимости в оценках λ и β Метод Хилдрета–Лу. В данном методе исследователь задает интервал изменения величины ρ, допустим в пределах Для каждого значения ρ производится оценка параметров λ и β из уравнения (3). Затем из полученных результатов выбирается такой, который дает минимальную стандартную ошибку для преобразованного уравнения. Используемые в этом уравнении значения ρ, λ и β принимаются за искомые. В случае, когда статистика Дарбина–Уотсона указ. на очень тесную положительную автокорреляцию, можно использовать упрощенную процедуру, в которой принимается ρ =1. В этом случае уравнение (3) принимает следующий вид:
Существуют два наиболее распространенных метода определения автокорреляции остатков. Первый метод — это построение графика зависимости остатков от времени и визуальное определение наличия или отсутствия автокорреляции. Второй метод — использование критерия Дарбина — Уотсона и расчет величины (1) Таким образом, d есть отношение суммы квадратов разностей последовательных значений остатков к остаточной сумме квадратов по модели регрессии. Можно предположить что: , предположим также Коэффициент автокорреляции остатков определяется как С учетом (3) имеем: Таким образом, если в остатках существует полная положительная автокорреляция и , то d = 0. Если в остатках полная отрицательная автокорреляция, то и, следовательно, d = 4.Если автокорреляция остатков отсутствует, то и d = 2. Следовательно, 0≤d≤4 Алгоритм выявления автокорреляции остатков на основе критерия Дарбина — Уотсона следующий. Выдвигается гипотеза Н0 об отсутствии автокорреляции остатков. Альтернативные гипотезы Н1 Н1* состоят, соответственно, в наличии положительной или отрицательной автокорреляции в остатках. Далее по специальным таблицам определяются критические значения критерия Дарбина — Уотсона dl и du длязаданного числа наблюдений n, числа независимых переменных модели к и уровня значимости α. По этим значениям числовой промежуток [0;4] разбивают на пять отрезков. Если фактическое значение критерия Дарбина — Уотсона попадает в зону неопределенности, то на практике предполагают существование автокорреляции остатков и отклоняют гипотезу Hо.
|
|||||
Последнее изменение этой страницы: 2021-07-18; просмотров: 121; 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 - 18.220.11.34 (0.004 с.) |