Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу 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 |
Анализ вариации зависимой переменной в регрессии↑ Стр 1 из 5Следующая ⇒ Содержание книги
Похожие статьи вашей тематики
Поиск на нашем сайте
Анализ вариации зависимой переменной в регрессии Рассмотрим вариацию (разброс) значений вокруг среднего значения. Разобьем эту вариацию на две части: объясненную регрессионным уравнением и не объясненную (т. е. связанную со случайной составляющей εt). Запишем разброс в виде следующего равенства: И вариация представляется в виде трех слагаемых Рассмотрим последнее слагаемое. В него входит и тогда Потому что - по определению, по необходимому условию экстремума Поэтому верно равенство , Где – это TSS, или весь разброс – это ESS, или необъясненная часть – это RSS, или объясненная часть Тест Дарбина – Уотсона некоррелированности случайных возмущений в схеме Гаусса – Маркова Этот тест предназначен для проверки предпосылки о том, что теоремы Гаусса – Маркова, точнее, важнейшего частного случая этой предпосылки, а именно статистической гипотезы при j=i-1 Неадекватность гипотезы влечет, очевидно, и неадекватность предпосылки. Часто истинной причиной отклонения гипотезы оказывается ошибка в выборе функции регрессии в спецификации модели, например пропуск значимой предопределенной переменной. Эмпирическая корреляция случайных остатков, порожденная этой причиной, называется ложной. Тест Дарбина – Уотсона позволяет идентифицировать, в частности, ложную корреляцию и поэтому рассматривается в эконометрике как один из наиболее важных тестов. Шаги теста: 1. Модель оценивается по уравнениям методом наименьших квадратов, рассчитываются по формуле оценки остатков. 2. Для проверки случайной последовательности на корреляцию используется критерий Дарбина-Уотсона Раскроем скобки и проведем преобразование исходной формулы: Т.к. r – выборочный коэффициент корреляции Из полученной формулы следует, что если r =0 (корреляция отсутствует), то DW=2; если корреляция положительна, то DW < 2; если отрицательна - DW > 2. Так как коэффициент корреляции Поскольку критическое значение dкр невозможно табулировать по ряду причин, граница раздвигается и значения левой границы dL и правой границы dU выбираются из таблицы в зависимости от числа наблюдений n, числа независимых переменных k и уровня значимости α. Следовательно, по таблицам Дарбина-Уодсона выбирают 2 константы и , по аргументам 1) 2) 3) 3. Определяется интервал, в который попадает величина DW
Отметим, что тест Дарбина – Уотсона базируется на предположении, что: 1. Функция регрессии модели является неоднородной (параметр подлежит определению) 2. Случайные остатки в уравнениях наблюдений распределены по нормальному закону 3. Предпосылки теоремы Гаусса – Маркова справедливы. Определение значений случайных остатков при нарушении равенства нулю их математического ожидания Значения ui(j) определяются по правилу ui(j)= i ui*(j)+mi, но константы mi 0 при всех i=1,2...n Полученные значения ui (j) используются для получения оценочных значений, которые затем оценивают с помощью МНК. Сравниваем полученные оценочные значения a0 со значением исходного a0. В случае сильного отличия (больше ошибки) считается, что коэффициент a0 не обладает свойством несмещенности. Определение значений случайных остатков при нарушении предпосылки гомоскедантичности Значения ui(j) определяются по правилу ui(j)= i ui*(j)+mi, но величины i при всех i=1,2...n Определение значений случайных остатков и объясняющей переменной при нарушении условия их некоррелированности Значения ui(j) определяются по правилу ui(j)= i ui*(j)+mi, но теперь значения xi объясняющей переменной модели не могут оставаться в каждом эксперименте j=1,2...N неизвестными. Они должны стать зависимыми от ui(j). Значение xi в эксперименте с номером j обозначим xi (j). Оно будет вычисляться по правилу xi (j)= xi + ui(j), где xi значение объясняющей переменной, заданное вне модели. Модель Марковица Модель основана на том, что показатели доходности различных ценных бумаг взаимосвязаны: с ростом доходности одних бумаг наблюдается одновременный рост по другим бумагам, третьи остаются без изменения, а по четвертым доходность, наоборот, снижается. Такая зависимость не является детерминированной, т.е. однозначно определенной, а есть стохастической и называется корреляцией. Модель Марковица имеет следующие основные допущения: — в качестве доходности ценной бумаги принимается математическое ожидание доходности; — в качестве риска ценной бумаги принимается среднее квадратическое отклонение доходности; — принимается, что данные прошлых периодов, используемые при расчете доходности и риска, в полной мере отражают будущие значения доходности; — степень и характер взаимосвязи между ценными бумагами выражается коэффициентом линейной корреляции. По модели Марковица доходность портфеля ценных бумаг — это средневзвешенная доходность бумаг, его составляющих, и она определяется формулой: где N — количество ценных бумаг в портфеле; — процентная доля данной бумаги в портфеле; — доходность данной бумаги. Риск портфеля ценных бумаг определяется средним квадратическим отклонением доходности портфеля: , где , — процентные доли данных бумаг в портфеле; , — риск данных бумаг (среднеквадратическое отклонение); —коэффициент линейной корреляции. С использованием модели Марковица для расчета характеристик портфеля прямая задача приобретает вид: Обратная задача представляется аналогичным образом: При практическом применении модели Марковица для оптимизации фондового портфеля используются следующие формулы:
, где Т – количество прошлых наблюдений доходности данной ценной бумаги.
3) статистическая оценка коэффициента корреляции между показателями доходности двух ценными бумагами: , где — доходность ценных бумаг a и b в период t. Ясно, что для N рассматриваемых ценных бумаг необходимо рассчитать коэффициентов корреляции. Вторая часть вопроса. Определение. Переменные модели, отнесенные к предыдущим моментам времени, называются «лаговыми». Определение. Все лаговые переменные (эндогенные и экзогенные) и текущие экзогенные переменные составляют группу «предопределенных» переменных. Уточнение. В приведенной форме модели каждая текущая эндогенная переменная должна быть выражена через предопределенные переменные. В модели (2.2) второе уравнение получило приведенную форму на этапе спецификации. Для полного преобразование модели (2.2) к приведенной форме достаточно найти выражения для pt и Ydt:
Зная значения параметров модели и значение цены на товар в предшествующем периоде, можно дать прогноз равновесной цены и уровней спроса и предложения в текущем периоде времени Пример. Записать модель конкурентного рынка в приведенной форме
1. Выписываем необходимые вектора и матрицы для данной модели
2. Вычисляем матрицу М Для этого находится обратная матрица А-1
Тогда матрица М есть:
3. Приведенная форма модели принимает вид:
Зная значения параметров модели и значение цены на товар в предшествующем периоде, можно дать прогноз равновесной цены и уровней спроса и предложения в текущем периоде времени Анализ вариации зависимой переменной в регрессии Рассмотрим вариацию (разброс) значений вокруг среднего значения. Разобьем эту вариацию на две части: объясненную регрессионным уравнением и не объясненную (т. е. связанную со случайной составляющей εt). Запишем разброс в виде следующего равенства: И вариация представляется в виде трех слагаемых Рассмотрим последнее слагаемое. В него входит и тогда Потому что - по определению, по необходимому условию экстремума Поэтому верно равенство , Где – это TSS, или весь разброс – это ESS, или необъясненная часть – это RSS, или объясненная часть
|
|||||||||||||||||||
Последнее изменение этой страницы: 2016-04-26; просмотров: 529; 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 - 18.117.91.170 (0.007 с.) |