Prognozowanie Gospodarcze teoria testy (1)

background image

1) Test t-Studenta - ocena istotności parametrów :

|

|

odrzucamy

, zmieniamy hipotezę na H

1

,parametr jest istotny statystycznie

|

|

brak podstaw do odrzucenia

, możemy sądzić, że parametr jest nieistotny statystycznie,

więc usuwamy parametr z modelu

2) Test CUSUM - ocena stabilności parametrów:

brak zmian w parametrach, parametry stabilne

zmiany w parametrach, parametry niestabilne

Statystyka testu: Harvey-Collier

brak podstaw do odrzucenia hipotezy zerowej – brak zmian w parametrach – parametry
stabilne

z empirycznym poziomem błędu p odrzucamy hipotezę zerową na korzyść alternatywnej –
występują zmiany w parametrach – parametry niestabilne

3)

Test Chowa - ocena stabilności parametrów :

H

0

: β

1

= β

2

– parametry modelu pomocniczego są równe 0 (zależność liniowa)

H

1

: β

1

≠ β

2

– parametry modelu pomocniczego są różne od 0 ( zależność nieliniowa)

Jeżeli F < Fy - brak podstaw do odrzucenia H0 - parametry są stabilne
Jeśli F < F

0,05,k,T-k

to nie ma podstaw do odrzucenia hipotezy zerowej – parametry są stabilne.

4) Test Durbina-Watsona – badanie autokorelacji parametrów :

reszty losowe, brak autokorelacji składnika losowego rz. I

Gdy

reszty nielosowe, występuje autokorelacja składnika losowego rz. I

Gdy , wówczas

DW(DW*) > dl brak podstaw do odrzucenia hipotezy zerowej – autokorelacja składnika losowego rz. I
nie występuje

DW(DW*) < dl odrzucam hipotezę zerową na korzyść hipotezy alternatywnej – autokorelacja składnika
losowego rz. I występuję

dl < DW(DW*) < du test nie rozstrzyga o autokorelacji składnika losowego rz. I

5) Test Quinoille’a – badanie autokorelacji parametrów :

wspólczynnik autokorelacji rzędu jest nieistotny statystycznie

współczynnik autokorelacji rzędu jest istotny statystycznie

| ̂

|

odrzucam hipotezę zerową na korzyść alternatywnej, współczynnik autokorelacji rzędu jest

istotny statystycznie, występuje autokorelacja co najmniej rzędu .

| ̂

|

brak podstaw do odrzucenia hipotezy zerowej, współczynnik autokorelacji rzędu jest

nieistotny statystycznie.

6) Test White’a – na heteroskedastyczność reszt (zmienność wariancji resztowej) :

– parametry modelu pomocniczego są równe 0 (zależność liniowa, wariancja składnika

background image

losowego modelu podstawowego jest jednorodna)

– co najmniej jeden parametr modelu pomocniczego (przy kwadratach

zmiennych) jest różny od zera ( zależność nieliniowa – kwadraty, wariancja składnika losowego modelu
podstawowego jest niejednorodna)

Statystyka LM służąca do weryfikacji powyższych hipotez ma postać:

Gdzie:
R

2

- współczynnik determinacji modelu pomocniczego

T – liczba obserwacji

Statystyka ta ma rozkład chi-kwadrat o K stopniach swobody:

, przy czym K – liczba zmiennych

objaśniających w modelu pomocniczym.

Jeżeli

to nie ma podstaw do odrzucenia hipotezy zerowej – wariancja składnika

losowego jest jednorodna (wszystkie odstające obserwacje zostały poprawnie opisane przez model).
Jeżeli wariancja okaże się niejednorodna zamiast KMNK należy stosować UMNK.

7) Test normalności rozkładu reszt :

składniki losowy ma rozkład normalny

składnik losowy nie ma rozkładu normalnego

Statystyka testu: Chi-kwadrat
brak podstaw do odrzucenia hipotezy zerowej – rozkład reszt posiada cechy rozkładu
normalnego
z empirycznym poziomem błędu p odrzucamy hipotezę zerową na korzyść alternatywnej –
rozkład reszt nie posiada cech rozkładu normalnego

8) Test nieliniowości (kwadraty) :

H0: zależność jest liniowa
H1: zależność nie jest liniowa
P > α = 0,05 to brak podstaw do odrzucenia H0, co znaczy, że zależność jest liniowa, nie występuje
heteroskedastyczność
P < α = 0,05 to odrzucamy H0, co znaczy, że zależność jest nieliniowa, występuje heteroskedastyczność

9) Test nieliniowości (logarytmy) :

H0: zależność jest liniowa
H1: zależność nie jest liniowa
P > α = 0,05 to brak podstaw do odrzucenia H0, co znaczy, że zależność jest liniowa, nie występuje
heteroskedastyczność
P < α = 0,05 to odrzucamy H0, co znaczy, że zależność jest nieliniowa, występuje heteroskedastyczność

10) Test F – wybór stopnia wielomianu trendu :

brak podstaw do odrzucenia

, nie nastąpił istotny spadek wariancji resztowej – wybieramy

trend z niższym stopniem.

odrzucamy

na korzyść hipotezy alternatywnej, nastąpi istotny spadek wariancji resztowej –

wybieramy trend z wyższym stopniem.


Wyszukiwarka

Podobne podstrony:
Prognozowanie gospodarcze teoria POPRAWIONE
Prognozowanie gospodarcze teoria
teoria na kolokwium, FiR UMK Toruń 2010-2013, III FIR, Prognozowanie gospodarcze
PROGNOZY GOSPODARCZE DLA POLSKI
inzynieryjna egz.inz gospodarka, geodezja testy różne
wycena testy (2), Geodezja, Gospodarka nieruchomosciami, Testy II
Prognozowanie Gospodarcze Repetytorium
Prognozowanie gospodarcze PG42 Nieznany
TEST Z GOSPODARKI, Studia, III rok, Gospodarka Nieruchomosciami, testy GN
Prognozowanie wykład 3, III FiR UMK, prognozowanie gospodarcze
Prognozowanie gospodarcze X22TQKXUYLVBJGYMJ72HHUSRD3EQVT7LCEVDJQI
Prognozowanie gospodarcze, Prognozowanie gospodarcze 2011 srtyczen pytania
na dogana, Gospodarowanie Nieruchomościami, Testy

więcej podobnych podstron