Читать курсовая по менеджменту: "Исследование проблемы автокорреляции (первого порядка) случайных отклонений с помощью теста Сведа-Эйзенхарта и статистики Дарбина-Уотсона, а также графических методов" Страница 5

(Назад) (Cкачать работу)

На риснке 2.1. изображена данная зависимость: Рисунок 2.1 - корреляционное поле

Источник: собственная разработка Точки распределились следующим образом:

четверть - 11

четверть - 8

четверть - 12

четверть - 8.

По этим данным нельзя сделать точный вывод о наличии автокорреляции, так как данные распределены равномерно, но есть вероятность положительной автокорреляции из-за немного большего количества точек в 1ой и 3ей четвертях корреляционного поля.

2.3 Исследование автокорреляции с помощью статистики Дарбина-Уотсона Данная статистика выявляет автокорреляцию первого порядка. Для этого выдвигаются две гипотезы:

Н0: автокорреляции остатков нет

Н1: автокорреляция остатков есть

Выводы осуществляются по следующей схеме.

Если DW < d, то это свидетельствует о положительной автокорреляции остатков.

Если DW > 4 - d, то это свидетельствует об отрицательной автокорреляции остатков,

При d< dw < 4 - d, гипотеза об отсутствии автокорреляции остатков принимается.

Если d < dw < d или 4 - d < dw < 4 - d, то гипотеза об отсутствии автокорреляции не может быть ни принята, ни отклонена.

Согласно данным, полученным в Eviews, наблюдаемая точка DW = 2.188630

Затем, опираясь на данные, что количество объясняющих переменных в уравнении регрессии m=3, a объем выборки n=37, находим критические точки по таблице распределения Дарбина-Уотсона:

d= 1.307, d=1.655

Согласно полученным данным, нарисуем следующую схему:

Рис. 1

Следовательно, автокорреляции остатков первого порядка в модели не обнаружено.

Этот метод основан на определении знаков отклонений RESID (см. Приложение Б).

На примере нашей модели:

“+“, 1“-“, 7“+“, 1“-“, 2“+“, 2“-“, 1“+“, 3“-“, 3“+“, 1“-“, 1“+“, 3“-“, 1“+“, 1“-“, 1“+“, 1“-“, 1“+“, 3“-“, 2“+“, 1“-“ при 37 наблюдениях.

Рядом называется непрерывная последовательность одинаковых знаков, то есть количество рядов в данной модели k=20.

«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» [1, с.232]

По таблице критических значений количества рядов при n наблюдениях определяем нижнее k1 = 13 и верхнее k2 = 26. Наша переменная k = 20 находится в промежутке k1 < k < k2, что говорит об отсутствии автокорреляции или о её слабом проявлении.

Так как с помощью тестов, предусмотренных в рамках моей темы автокорреляция обнаружена не была, я рассмотрела коррелограмму остатков модели: Рисунок 2.2 - Коррелограммы временных рядов

Источник: собственная разработка Здесь мы видим, что в модели присутствует автокорреляция четвертого порядка.

Подтвердим ее с помощью теста Бреуша-Годфри.

Тест предполагает построение вспомогательной модели регрессии, остатков исходной модели на все её экзогенные переменные и лаги

Похожие работы