Indywidualny wskaźnik pojemności informacyjnej
$$h_{\text{ij}} = \frac{{(r_{\text{oj}})}^{2}}{1 + \sum_{}^{}{|r_{\text{ij}}|}}\ \in \ < 0,1 >$$
Wektor ocen parametrów strukturalnych
a = (X′X)−1 • X′Y
Reszty modeli
Ut = Yt − Yt*
Wariancja resztowa i odchylenie standardowe reszt
$$\text{Su}^{2} = \frac{1}{n - k}\sum_{}^{}\left( Y_{t} - {Y_{t}}^{*} \right)^{2}$$
$$\text{Su}^{2} = \frac{1}{n - k}\sum_{}^{}{U_{t}}^{2}$$
$$\text{Su} = \sqrt{\text{Su}^{2}}$$
Przedział ufności parametrów strukturalnych
{ai−t∝•D(ai)<ai<ai−t∝•D(ai)}
Wariancja Estymatora
D2(a) = Su2(X′X)−1
Jakość modelu –współczynnik zbieżności
$\varphi^{2} = \frac{\sum_{}^{}\left( Y_{t} - {Y_{t}}^{*} \right)^{2}}{\sum_{}^{}\left( Y_{t} - \overset{\overline{}}{y} \right)^{2}}\ \in < 0,1 >$ im mniej tym lepiej
Interpretacja: % wariancji zmiennej losowej endogenicznej Xt nie zostało wyjaśnione przez model ekonometryczny
Współczynnik determinacji
R2 = 1 − φ2 ∈ <0, 1> im większy tym lepszy
Współczynnik zmienności losowej
$\text{Vs} = \frac{\text{Su}}{\overset{\overline{}}{y}} \bullet 100$ im mniej tym lepiej
Interpretacja: % przeciętnego poziomu zmiennej endogenicznej Yt stanowią wahania przypadkowe
Test Fishera Scedecora
$$F = \frac{R^{2}}{1 - R^{2}} \bullet \frac{n - k - 1}{k}$$
F≥Fa – hipotezę zerową odrzucamy na rzecz hipotezy alternatywnej
F≤Fa – brak podstaw do odrzucenia hipotezy zerowej
Test t-Studenta
$$t = \frac{a_{i}}{D\left( a_{i} \right)}$$
α = 5% oznacza to że na 100 takich decyzji 5 razy popełniamy błąd
|t|>tα hipotezę zerową odrzucamy na korzyść hipotezy alternatywnej na poziomie istotności α=1-y. Oznacza to że zmienna objaśniająca stojąca przy rozważanym parametrze istotnie wpływa na zmienną endogeniczną Yt i należy ją pozostawić w modelu
|t|<tα brak podstaw do odrzucenia hipotezy zerowej na poziomie istotności α=1-y. Oznacza to że zmienna objaśniająca stojąca przy rozważanym parametrze nieistotnie wpływa na zmienną endogeniczną Yt i należy ją wyrzucić z modelu.
Test Durbina – Watsona ∈ < 0,4>
$d = \frac{\sum_{}^{}\left( U_{t} - U_{t - 1} \right)^{2}}{\sum_{}^{}\text{Ut}^{2}}$ gdy mamy w dyspozycji wektor reszt modelu
d = 2(1 − ri) gdy mamy dany współczynnik korelacji Pearsona rzędu 1
d≥du brak podstaw do odrzucenia hipotezy zerowej
d≤di hipotezę zerową odrzucamy na rzecz hipotezy alternatywnej
di<d<du obszar niekontaktywności testu
Błąd ex ante
Średni błąd predykcji
$$V = \sqrt{X_{T}^{'}D^{2}\left( a \right)X_{T} + \text{Su}^{2}}$$
Interpretacja : Rzeczywiste realizacje znanej prognozowanej Yt odchylają się średnio rzecz biorąc In plus i In minus o V jednostki od postawionych prognoz
Względny błąd predykcji
$$V^{*} = \frac{V}{Y_{T}^{P}} \bullet 100$$
Interpretacja – Średni błąd predykcyjny stanowi V* przeciętnego poziomu prognozy\
Prognoza przedziałowa
P{YTP−UαV<YTP<YTP+UαV} = γ
γ- poziom wiarygodności prognozy
Błąd absolutny – błąd ex post - Błąd średniokwadratowy
$$MSE = \frac{1}{m}\sum_{}^{}{|Y_{t} - {Y_{t}}^{*}|}$$
Gdzie: m – ilość par(realizacja + prognoza)
RMSE=$\sqrt{\text{MSE}}$