Признаки наличия мультиколлинеарности.
Характерными признаками, при которых обычно возникает подозрение, что есть мультиколлинеарность, являются
1) Незначимые коэффициенты и при этом большой R2и адекватная регрессия
2) Чувствительность оценок коэффициентов и оценок дисперсий коэффициентов к добавлению и исключению наблюдению из выборки.
Степенные модели
Уравнение степенной модели имеет вид:
Построению степенной модели предшествует процедура линеаризации переменных
Линеаризация модели заключается в том, что с помощью подходящих преобразований исходных переменных исследуемую зависимость представляют в виде линейного соотношения между преобразованными переменными. В рамках этого подхода различают два класса нелинейных регрессионных моделей, допускающих линеаризацию: а) модели, нелинейные относительно включенных в модель переменных, но линейных по оцениваемым параметрам;
б) модели, нелинейные по оцениваемым параметрам.
Примером нелинейной регрессии, но линейной по оцениваемым параметрам, могут служить следующие функции: полиномы различных степеней, например
равносторонняя гипербола:
К нелинейным регрессионным моделям, нелинейным по оцениваемым параметрам, относятся: степенная функция
показательная функция:
Нелинейная регрессионная модель с линейно включенными в нее параметрами не таит каких-либо сложностей в оценке ее параметров. Введение новых переменных позволяет свести её к линейной модели, для оценки параметров которой можно использовать обычный МНК.
|
|
|
Стационарные временные ряды
На общем понятийном уровне стационарный временной ряд представляется как ряд, который имеет постоянную среднюю. А значения ряда колеблются вокруг этой средней.
Свойства стационарных рядов не меняются при изменении начала отсчета времени. Временной ряд {xt} называют стационарным (в широком смысле0, если он обладает следующими свойствами:
1. Среднее значение уровней ряда не изменяется во времени, т.е. математическое ожидание постоянно Mxt = const.
2. Автоковариация (т.е. ковариация между уровнями одного и того же ряда) зависит только от того, насколько сильно они удалены друг от друга во времени, и не зависит от того, находятся ли они в начале или в конце временного ряда, т.е. cov(xt, xt+h) = ϒ(h). Величина h, характеризующая разницу во времени между элементами временного ряда, называется лагом или запаздыванием.
3. Так как ϒ(0) = cov(xt, xt), то дисперсия стационарного временного ряда также не
меняется со временем. Коэффициенты корреляции между разными элементами стационарного временного ряда с лагом h называются коэффициентами автокорреляции порядка h.
|
|
|
Лаги в экономических моделях
Во многих случаях воздействие одних экономических факторов на другие осуществляется не мгновенно, а с некоторым временным запаздыванием – лагом. Причин наличия лагов в экономике достаточно много, среди них можно выделить следующие:
· психологические причины – обычно выражаются через инерцию в поведении людей. Например, люди тратят свой доход не мгновенно, а постепенно. Привычка к определенному образу жизни приводит к тому, что люди приобретают те же блага в течение некоторого времени даже после падения реального дохода;
· технологические причины. Например, изобретение персональных компьютеров не привело к мгновенному вытеснению ими больших ЭВМ в силу необходимости замены соответствующего программного обеспечения, которое потребовало продолжительного времени;
институциональные причины. Например, контракты между фирмами требуют определенного постоянства в течение времени контракта;
· механизмы формирования экономических показателей. Например, инфляция во многом является инерционным процессом.
Дата добавления: 2018-08-06; просмотров: 256; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!