Обнаружение и подавления автокорреляции

Тема:

Эконометрический анализ в условиях нарушений классических модельных предположений

Цели:

Освоить методы обнаружения и подавления автокорреляции

 

Контрольные вопросы:

1. Что такое автокорреляция?

2. Каковы последствия автокорреляции?

3. В чем заключается графический метод обнаружения автокорреляции?

4. В чем заключается тест Дарбина-Вотсона?

5. Какие существуют способы подавления автокорреляции?

6. Что такое авторегрессия AR?

7. Чем отличаются модели AR (1) и AR ( N )?

Ход работы

1) В Excel постройте следующую таблицу:

 

1	25	3	19	40
2	23	7	15	78
3	20	7	16	57
4	14	5	14	73
5	28	10	21	111
6	21	8	20	75
7	25	6	12	113
8	22	5	18	59
9	20	9	20	64
10	12	3	13	41
11	18	3	13	53
12	18	5	14	47
13	19	7	20	52
14	22	8	14	62
15	19	8	7	95
16	14	4	10	73
17	29	7	19	96
18	18	4	15	43
19	18	7	14	63
20	22	7	19	63
21	27	7	14	81
22	21	6	19	48
23	16	8	17	62
24	23	1	12	56
25	16	4	17	44
26	28	4	22	77
27	20	2	11	43
28	24	5	19	75
29	25	6	11	87
30	23	4	12	61

 

2) Откройте в EViews файл, содержащий данную таблицу. Для этого выполните команду File-Open-Foreign Data as Workfile .

3) Дайте оценку параметрам модели

.

4) Для этого выполните команду меню Quick-Estimate Equation… и введите следующее уравнение спецификации . В качестве метода оценки параметров выберите МНК (LS – Least Squares).

5) Постройте график зависимости остатков модели от времени измерения RESID ( T ), а также график автокорреляции остатков RESID ( RLAG ). Для этого выполните команду Object – Generate Series … и задайте уравнение RLAG = RESID (-1). Затем выделите переменные RLAG и RESID и постройте точечный график (рис. 21).

6) Сделайте вывод о наличии и характере автокорреляции.

7) В статистическом отчете построенной модели найдите значение критерия Дарбина-Вотсона. Сделайте выводы о наличии и характере автокорреляции на основе данного теста.

8) Проведите тест Бриша-Годфри по обнаружению автокорреляции. Для этого выполните команду View – Residual Tests – Serial Correlation LM Test. Сделайте выводы о наличии и характере автокорреляции на основе данного теста (рис. 22).

 

Рис. 21. Автокорреляция остатков

Рис. 22. Отчет теста Бриша-Годфри

9) Постройте модель авторегрессионной схемы первого порядка AR (1). Для этого в окне спецификации введите следующее уравнение Y C AR (1) X 1 X 2 X 3.

10) Для полученной модели проведите графический анализ автокорреляции, тест Дарбина-Вотсона и тест Бриша-Годфри. На основании сравнения результатов сделайте вывод о качестве устранения автокорреляции с помощью авторегрессионной схемы первого порядка. Сделайте предположения о дальнейшем усовершенствовании модели.

Лабораторная работа № 7

Обнаружение и подавление мультиколлинеарности

Тема:

Эконометрический анализ в условиях нарушений классических модельных предположений

Цели:

Освоить методы обнаружения и подавления мультиколлинеарности

 

Контрольные вопросы

Ответьте на следующие вопросы:

1. Что такое мультиколлинеарность?

2. Каковы последствия мультиколлинеарности?

3. По каким признакам можно обнаружить мультиколлинеарность?

4. В чем заключается метод инфляционных факторов?

5. Что такое частные коэффициенты корреляции?

6. Какие существуют способы подавления мультиколлинеарности?

Ход работы

1) В Excel постройте следующую таблицу:

1	25	19	8	40
2	23	15	8	78
3	20	16	6	57
4	14	14	13	73
5	28	21	13	111
6	21	20	12	75
7	25	12	16	113
8	22	18	9	59
9	20	20	9	64
10	12	13	9	41
11	18	13	8	53
12	18	14	5	47
13	19	20	8	52
14	22	14	4	62
15	19	7	9	95
16	14	10	13	73
17	29	19	11	96
18	18	15	8	43
19	18	14	5	63
20	22	19	9	63
21	27	14	7	81
22	21	19	7	48
23	16	17	8	62
24	23	12	9	56
25	16	17	9	44
26	28	22	15	77
27	20	11	5	43
28	24	19	12	75
29	25	11	10	87
30	23	12	6	61

 

2) Откройте в EViews файл, содержащий данную таблицу. Для этого выполните команду File-Open-Foreign Data as Workfile .

3) Постройте модель вида:

.

4) Для этого выполните команду меню Quick - Estimate Equation … и введите соответствующее уравнение спецификации. В качестве метода оценки параметров выберите МНК (LS – Least Squares).

5) Сделайте выводы о значимости параметров модели.

6) Постройте гистограмму распределения остатков модели (команда View - Residual Tests - Histogram - Normality Test), с помощью полученного отчета укажите уровень значимости, на котором может быть принята гипотеза о нормальном распределении остатков.

7) Изучите статистический отчет полученной модели. Обратите внимание на коэффициент детерминации и значимость параметров модели. Проанализируйте влияние данных факторов при обнаружении мультиколлинеарности.

8) Постройте ковариационную матрицу для рассматриваемой модели. Для этого выполните команду View – Covariance Matrix (рис. 23). Укажите переменные модели с наиболее тесной линейной связью. Объясните влияние этого явления при обнаружении мультиколлинеарности.

Рис. 23. Ковариационная матрица

9) Предложите метод по подавлению эффекта мультиколлинеарности в данной модели (исключение переменной, изменение спецификации или преобразование переменных).

10) Преобразуйте модель с учетом предложений по подавлению мультиколлинеарности. Проведите диагностику с помощью анализа статистической отчетности и ковариационной матрицы.

11) Укажите модель с наилучшей спецификацией.

 

Лабораторная работа № 8

---

Дата добавления: 2019-11-25; просмотров: 439; Мы поможем в написании вашей работы!

Поделиться с друзьями:

---

---

Мы поможем в написании ваших работ!