- 1
Тема: Автокорреляция. Методы обнаружения автокорреляции (АК)
Задача 1: Рассмотрите построенную по годовым данным за период с 1980 по 2004 год модель, оцените адекватность и статистическую значимость полученной зависимости (в модели соответственно - объем потребления, агрегированный доход, ставка рефинансирования), используя представленные характеристики, а так же последовательность знаков случайных отклонений модели (графический метод):
Для справки: =2,0796, = 3,4668, ,
Графический метод обнаружения АК: в данном случае по оси абсцисс (ось х) либо момент получения статистических данных, либо порядковый номер наблюдения, а по оси ординат (ось у) оценки отклонения et. Лучше всего это заметно когда используется график зависимостей et. от et-1, который выглядит так: Если точки сосредоточенны в 1 и 3 четвертях декартовых координат, то это АК+, если во 2 и 4 - АК-
Метод рядов: Этот метод достаточно прост; последовательно определяются знаки отклонений et
Например (-----)(++ + + + + + )(---)(+ + + +)(-) т. е. 5 “- “ ,7 “+”,3 “-“, 4 “+”, 1 “-“ при 20 наблюдениях.
Ряд определяется как непрерывная последовательность одинаковых знаков. Количество знаков в ряду называется длиной ряда.
Визуальное распределение знаков свидетельствует о неслучайном характере связей между отклонениями. Если рядов слишком мало по сравнению с количеством наблюдений n, то вполне вероятна положительная автокорреляция. Если же рядов слишком много, то вероятна отрицательная автокорреляция. Для более детального анализа предлагается следующая процедура.
Пусть n - объем выборки;- общее количество знаков "+" при n наблюдениях (количество положительных отклонений е();
П2 - общее количество знаков "-" при п наблюдениях (количество отрицательных отклонений е,);
к - количество рядов.
При небольшом числе наблюдений (n1 < 20, п2< 20) Свед и Эйзенхарт разработали таблицы критических значений количества рядов.Суть таблиц в следующем. На пересечении строки П] и столбца п2 определяются нижнее k1 и верхнее k2 значения при уровне значимости а = 0.05.
Если к1< к < к2, то говорят об отсутствии автокорреляции.
Если к < к1, то говорят о положительной автокорреляции остатков.
Если к > к2 , то говорят об отрицательной автокорреляция остатков.
В нашем примере
п = 20, n1 = 11, n2= 9, к = 5.
По таблицам определяем к1 = 6, к2 = 16. Поскольку к = 5 < 6 = к1 , то принимается предположение о наличии положительной автокорреляции при уровне значимости а = 0.05.
Критерии Дарбина-Уотсона
Суть его состоит в вычислении статистики DWДарбина-Уотсона и на основе ее величины - осуществлении выводов об автокорреляции.
По таблице критических точек Дарбина-Уотсона определяются
два числа d| и d„ и осуществляют выводы по следующей схеме:
О
- 1
Похожие работы
Тема: Методы обнаружения утечек в трубопроводах |
Предмет/Тип: Информатика, ВТ, телекоммуникации (Курсовая работа (т)) |
Тема: Методы обнаружения ошибок и мошенничества в процессе аудита |
Предмет/Тип: Бухучет, управленч.учет (Диплом) |
Тема: Пассивные методы обнаружения радиоактивных выбросов в атмосферу |
Предмет/Тип: Экология (Реферат) |
Тема: Методы обнаружения ошибок и мошенничества в процессе аудита |
Предмет/Тип: Бухучет, управленч.учет (Курсовая работа (т)) |
Тема: Методы количественного обнаружения в образцах экологически опасных радионуклидов |
Предмет/Тип: Химия (Реферат) |
Интересная статья: Основы написания курсовой работы