Главная Случайная страница


Категории:

ДомЗдоровьеЗоологияИнформатикаИскусствоИскусствоКомпьютерыКулинарияМаркетингМатематикаМедицинаМенеджментОбразованиеПедагогикаПитомцыПрограммированиеПроизводствоПромышленностьПсихологияРазноеРелигияСоциологияСпортСтатистикаТранспортФизикаФилософияФинансыХимияХоббиЭкологияЭкономикаЭлектроника






На гетерокедастичность остатков

Практические рекомендации к выполнению задания

Представлены данные о доходах по акциям x и балансовой прибыли y по 11 предприятиям одной отрасли, ден. ед.

X
Y

 

Задание

1. Проверить гипотезу о наличии гетерокедастичности в линейной регрессии с помощью теста ранговой корреляции Спирмена при доверительной вероятности 0,95.

2. Проверить гипотезу о гетерокедастичности с помощью теста Гольфельда-Квандта.

3. Дайте график зависимости остатков регрессии от фактора x.

4. Оцените количественно гетерокедастичность остатков с помощью теста Уайта.

5. Если гетерокедастичность обнаружена, попытаться сгладить ее с помощью обобщенного МНК.

 

Решение.

1) Суть проверки заключается в том, что в случае гетерокедастичности абсолютные остатки коррелированны со значениями фактора . Эту корреляцию можно измерить с помощью коэффициента ранговой корреляции Спирмена:

,

где d – абсолютная разность между рангами и . Статистическая значимость коэффициента оценивается по критерию Стъюдента. Расчетное значение t-критерия вычисляется по формуле:

.

Данная величина сравнивается с критической величиной при и числе степеней свободы . Если , то корреляция между и статистически значима, т.е. имеет место гетерокедастичность остатков. В противном случае принимается гипотеза об отсутствии гетерокедастичности остатков.

 

Прежде всего найдем уравнение линейной регрессии.

ВЫВОД ИТОГОВ        
         
Регрессионная статистика      
Множественный R 0,970082893      
R-квадрат 0,941060819      
Нормированный R-квадрат 0,934512021      
Стандартная ошибка 6,777232983      
Наблюдения      
         
Дисперсионный анализ      
df SS MS F
Регрессия 6600,258 6600,258 143,6998
Остаток 413,378 45,93089  
Итого 7013,636    
         
Коэффициенты Стандартная ошибка t-статистика P-Значение
Y-пересечение -0,525438344 3,681329 -0,14273 0,889647
X 3,230238574 0,269468 11,98748 7,77E-07

 

Уравнение регрессии .

Чтобы рассчитать параметр , составим вспомогательную таблицу. Рангом величин, выстроенных в упорядоченный ряд, называется порядковый номер по возрастанию. Переменная x в условиях уже упорядочена. Ранги остатков предстоит найти либо вручную, либо с помощью функции Ранг.

  x y Остатки Ранг x Ранг d d2
  9,165277 2,834723 2,834723
  12,39552 0,604484 0,604484
  15,62576 4,374245 4,374245
  22,08623 -3,086233 3,086233
  25,31647 5,683528 5,683528
  31,77695 -7,77695 7,77695
  35,00719 5,992811 5,992811
  38,23743 -10,237428 10,237428
  47,92815 4,071855 4,071855
  64,07934 -9,07934 9,07934
  96,38173 6,61827 6,61827
Среднее       -3,18182E-06          
Сумма                

 

Тогда коэффициент ранговой корреляции Спирмена равен . Для оценки его статистической значимости найдем расчетное значение критерия Стъюдента . По функции СТЪЮДРАСПОБР (вероятность 0,05, степеней свободы n-2) находим соответствующее критическое значение Стъюдента . Делаем вывод о наличии гетерокедастичности в остатках регрессии.

 

2) Применим тест Гольдфельда-Квандта для подтверждения гетерокедастичности остатков.

В расчетной таблице разделим исходные данные на две примерно равные группы (верхнюю и нижнюю).

X y Остатки
9,165277 2,834723
12,39552 0,604484
15,62576 4,374245
22,08623 -3,086233
25,31647 5,683528
31,77695 -7,77695
35,00719 5,992811
38,23743 -10,237428
47,92815 4,071855
64,07934 -9,07934
96,38173 6,61827

 

Построим линейную регрессию по каждой группе.

Для верхней группы

ВЫВОД ИТОГОВ        
         
Регрессионная статистика      
Множественный R 0,890348      
R-квадрат 0,79272      
Нормированный R-квадрат 0,723627      
Стандартная ошибка 3,986411      
Наблюдения      
         
Дисперсионный анализ      
df SS MS F
Регрессия 182,3256 182,3256 11,47317
Остаток 47,67442 15,89147  
Итого    
         
Коэффициенты Стандартная ошибка t-статистика P-Значение
Y-пересечение 1,418605 5,488159 0,258485 0,812752
Переменная X 1 3,255814 0,961209 3,387207 0,042863

Из всего объема данных нам необходима только остаточная дисперсия , которая в протоколе регресс обозначена как остаточная SS. .

Для нижней группы

ВЫВОД ИТОГОВ          
           
Регрессионная статистика        
Множественный R 0,964861689        
R-квадрат 0,930958079        
Нормированный R-квадрат 0,913697599        
Стандартная ошибка 8,389255527        
Наблюдения        
           
Дисперсионный анализ        
df SS MS F Значимость F
Регрессия 3795,982 3795,982 53,93582 0,00183
Остаток 281,5184 70,37961    
Итого 4077,5      
           
Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95%
Y-пересечение -8,661290323 8,753454 -0,98947 0,378445 -32,9648
Переменная X 1 3,622119816 0,493201 7,344101 0,00183 2,252774

.

Расчетное значение теста получается как отношение большей остаточной дисперсии к меньшей. . Критической значение теста получаем по функции FРАСПОБР, в которой число степеней свободы равно

n-2, в данном случае оно равно 6,59. Поскольку расчетное значение больше критического, остатки признаются гетерокедастичными.

 

3) Применим тест Уайта, чтобы количественно оценить зависимость дисперсии остатков от значений фактора x.

В эконометрических исследованиях достаточно часто выдвигается гипотеза о том, что

· остатки пропорциональны значениям фактора x: ;

· дисперсия остатков прямопропорциональна самим значениям x, т.е. ;

· зависимость между дисперсией остатков и значениями фактора x квадратичная .

Параметры этих регрессии можно найти МНК. Составим расчетную таблицу.

X y Остатки
9,165277 2,834723 8,035654487
12,39552 0,604484 0,365400906
15,62576 4,374245 19,13401932
22,08623 -3,086233 9,52483413
25,31647 5,683528 32,30249053
31,77695 -7,77695 60,4809513
35,00719 5,992811 35,91378368
38,23743 -10,237428 104,8049321
47,92815 4,071855 16,58000314
64,07934 -9,07934 82,43441484
96,38173 6,61827 43,80149779

Для регрессии пользуемся Сервис/Анализ данных/Регрессия/…Поставить флажок «Константа-нуль».

Получаем протокол

ВЫВОД ИТОГОВ          
           
Регрессионная статистика        
Множественный R 0,304158793        
R-квадрат 0,092512571        
Нормированный R-квадрат -0,01859854        
Стандартная ошибка 6,104515756        
Наблюдения        
           
Дисперсионный анализ        
df SS MS F Значимость F
Регрессия 34,19047 34,19047084 0,917493 0,366182
Остаток 335,386 37,26511262    
Итого 369,5765      
           
Коэффициенты Стандартная ошибка t-статистика P-Значение
Y-пересечение #Н/Д #Н/Д #Н/Д  
Переменная X -0,172201879 0,179778 -0,957858421 0,363156  

 

Результат неудовлетворительный. коэффициент детерминации всего 0,09.

 

Аналогично строим регрессию , взяв в качестве входного интервала Y столбец . Получаем протокол

ВЫВОД ИТОГОВ          
           
Регрессионная статистика        
Множественный R 0,864535947        
R-квадрат 0,747422404        
Нормированный R-квадрат 0,636311293        
Стандартная ошибка 26,25750385        
Наблюдения        
           
Дисперсионный анализ        
df SS MS F Значимость F
Регрессия 18362,0291 18362,0291 26,632614 0,000862939
Остаток 6205,108576 689,4565085    
Итого 24567,13768      
           
Коэффициенты Стандартная ошибка t-статистика P-Значение
Y-пересечение #Н/Д #Н/Д #Н/Д  
Переменная X 1 3,990668767 0,773283573 5,160679613 0,0005945  

 

В данном уравнении достаточная степень детерминации – 0,74, кроме того значимость по критерию Фишера не превосходит допустимые 5% ошибки в расчетах. Принимаем гипотезу о том, что дисперсия остатков прямопропорциональна самим значениям x.

Для проверки гипотезы о квадратичной зависимости решают методом определителей систему уравнений (см. ЛР Нелинейная регрессия):

 

Определяют индекс корреляции . О наличии или отсутствии гетерокедастичности судят по величине F-критерия Фишера для функции , . При выполнении условия имеет место гетерокедастичность остатков и количественно она выражена значением . По данному расчету предположение о квадратичной зависимости дисперсии остатков от значений x не проверяем (поскольку принята гипотеза ).

5) Улучшим модель, смягчив гетерокедастичность, пользуясь обобщенным методом наименьших квадратов. Если , тогда сами остатки пропорциональны .

Чтобы избавиться от этого, разделим уравнение линейной регрессии на . Получим преобразованное уравнение регрессии, в котором можно сделать замену переменной:

. Пусть , , . Тогда .

Построим вспомогательную таблицу

X y X z Y
1,732051 0,577350269 6,92820323
0,5 6,5
2,236068 0,447213595 8,94427191
2,645751 0,377964473 7,181324987
2,828427 0,353553391 10,96015511
3,162278 0,316227766 7,589466384
3,316625 0,301511345 12,36196513
3,464102 0,288675135 8,082903769
3,872983 0,25819889 13,42634227
4,472136 0,223606798 12,29837388
5,477226 0,182574186 18,80514114

 

Протокол регрессионного анализа имеет вид:

ВЫВОД ИТОГОВ      
         
Регрессионная статистика      
Множественный R 0,986894      
R-квадрат 0,9739597      
Нормированный R-квадрат 0,8599553      
Стандартная ошибка 1,9415488      
Наблюдения      
         
Дисперсионный анализ    
df SS MS F
Регрессия 1268,921 634,4607182 168,3092927
Остаток 33,92651 3,769611932  
Итого 1302,848    
         
Коэффициенты Стандартная ошибка t-статистика P-Значение
Y-пересечение #Н/Д #Н/Д #Н/Д
X 3,02343 0,296117 10,21024561 3,00843E-06
Z 1,8246585 2,72558 0,669456856 0,520006975

Получаем уравнение регрессии . Или .

Показатели статистической значимости уравнения регрессии улучшены. Увеличился коэффициент детерминации с 94% до 97%. Существенно уменьшилась остаточная дисперсия с 413 ед. до 33 ед.

 

Задание:

По своим данным ЛР1 выполнить анализ гетерокедастичности остатков. А именно:

1. Проверить гипотезу о наличии гетерокедастичности в линейной регрессии с помощью теста ранговой корреляции Спирмена при доверительной вероятности 0,95.

2. Проверить гипотезу о гетерокедастичности с помощью теста Гольфельда-Квандта.

3. Оцените количественно гетерокедастичность остатков.

4. При наличии гетерокедастичности, применить обобщенный МНК для ее сглаживания.

 

Лабораторная работа №6

Последнее изменение этой страницы: 2016-07-23

lectmania.ru. Все права принадлежат авторам данных материалов. В случае нарушения авторского права напишите нам сюда...