Статистика Дарбина – Уотсона

тест Уайта

критерий Гольдфельда – Квандта

тест Парка

Решение:

Для обнаружения автокорреляции остатков используется расчет статистик Дарбина – Уотсона. Тест Уайта, критерий Гольдфельда – Квандта, тест Парка применяются для обнаружения гетероскедастичности остатков.

2. Известно, что коэффициент автокорреляции остатков первого порядка равен –0,3. Также даны критические значения статистики Дарбина – Уотсона для заданного количества параметров при неизвестном и количестве наблюдений , . По данным характеристикам можно сделать вывод о том, что …

Автокорреляция остатков отсутствует

статистика Дарбина – Уотсона попадает в зону неопределенности

есть положительная автокорреляция остатков

есть отрицательная автокорреляция остатков

Решение:

Дано, что коэффициент автокорреляции остатков первого порядка равен –0,3, . Рассчитаем статистику Дарбина – Уотсона по формуле . Нам известны критические значения статистики Дарбина – Уотсона для заданного количества параметров при неизвестном и количестве наблюдений , , которые разбивают отрезок от 0 до 4 на пять частей.

В интервале [0; 0,82] есть положительная автокорреляция остатков;

в интервале (0,82; 1,32] – зона неопределенности;

в интервале (1,32; 2,68] нет автокорреляции остатков;

в интервале (2,68; 3,12] – зона неопределенности;

в интервале (3,12; 4] есть отрицательная автокорреляция остатков.

В нашем случае значение статистики Дарбина–Уотсона d=2,6 попадает в интервал (1,32; 2,68]. Значит, можно сделать вывод, что нет автокорреляции остатков.

3. Значение критерия Дарбина – Уотсона можно приблизительно рассчитать по формуле , где – значение коэффициента автокорреляции остатков модели. Минимальная величина значения будет наблюдаться при ________ автокорреляции остатков.

Положительной

отрицательной

нулевой

бесконечно малой

Решение:

Значение коэффициента автокорреляции остатков модели рассчитывается по аналогии с парным коэффициентом автокорреляции и изменяется в таких же пределах, то есть от –1 до +1. Подставим эти граничные значения в формулу для расчета значения критерия Дарбина – Уотсона: если , то ; если , то . Поэтому значение меняется от 0 до 4. Минимальное значение равно 0 для случая, когда , то есть для положительной автокорреляции остатков.

4. Из перечисленного условием выполнения предпосылок метода наименьших квадратов не является ____ остатков.

Гетероскедатичность

случайный характер

нулевая средняя величина

отсутствие автокорреляции

Решение:

Условия, необходимые для несмещенных, состоятельных и эффективных оценок, представляют собой предпосылки МНК.

Исследования остатков предполагают проверку наличия следующих пяти предпосылок МНК:

– случайный характер остатков;

– нулевая средняя величина остатков, не зависящая от ;

– гомоскедастичность остатков;

– отсутствие автокорреляции остатков;

– подчинение остатков нормальному закону распределения.

Гетероскедатичность остатков не является предпосылкой МНК.

5. Значение критерия Дарбина – Уотсона можно приблизительно рассчитать по формуле , где – значение коэффициента автокорреляции остатков модели. Максимальная величина значения будет наблюдаться при ________ автокорреляции остатков.

Отрицательной

положительной

нулевой

бесконечно малой

Решение:

Значение коэффициента автокорреляции остатков модели рассчитывается по аналогии с парным коэффициентом автокорреляции и изменяется в таких же пределах, то есть от –1 до +1. Подставим эти граничные значения в формулу для расчета значения критерия Дарбина – Уотсона: если , то ; если , то . Поэтому значение меняется от 0 до 4. Максимальное значение равно 4 для случая, когда , то есть для отрицательной автокорреляции остатков.

Тема 7: Свойства оценок параметров эконометрической модели, получаемых при помощи МНК

1. Пусть – оценка параметра регрессионной модели, полученная с помощью метода наименьших квадратов; – математическое ожидание оценки . В том случае если , то оценка обладает свойством …

Несмещенности

состоятельности

эффективности

смещенности

Решение:

Желательными свойствами оценок параметров регрессионной модели являются состоятельность, несмещенность и эффективность. Понятие несмещенности оценки формулируется следующим образом: «Оценка параметра называется несмещенной, если математическое ожидание »; где – истинное значение параметра, вычисленное для генеральной совокупности. Поэтому правильный ответ – «несмещенности».

2. Из несмещенности оценки параметра следует, что среднее значение остатков равно …

-1

Решение:

Желательными свойствами оценок параметров регрессионной модели являются состоятельность, несмещенность и эффективность. Понятие несмещенности оценки формулируется следующим образом: «Оценка параметра называется несмещенной, если математическое ожидание »; где – истинное значение параметра, вычисленное для генеральной совокупности. Математическое ожидание в том случае, если .

3. Несмещенность оценок параметров регрессии означает, что …