Ekonometria wyklady 3.3, Ekonomia UG, 2, Ekonometria


6.Stacjonarność składnika losowego.

Odpowiedź na pytanie o stacjonarność składnika losowego jest jednocześnie weryfikacją założenia o stałości wariancji. Ponieważ stacjonarność rozumiemy jako brak istotnego związku szeregu reszt z czasem, zatem weryfikacja tego założenia, to odpowiedź na pytanie, czy miara takiego powiązania - współczynnik korelacji Pearsona różni się istotnie od zera.

Niech statystyka 0x01 graphic
, gdzie 0x01 graphic
jest sprawdzianem hipotezy 0x01 graphic
składnik losowy jest stacjonarny} wobec hipotezy alternatywnej 0x01 graphic
składnik losowy nie jest stacjonarny}. Statystyka t ma rozkład t-Studenta o parametrach 0x01 graphic
. Z tablic rozkładu t-Studenta odczytujemy wartość krytyczną 0x01 graphic
. Jeśli 0x01 graphic
, nie ma podstaw do odrzucenia hipotezy 0x01 graphic
, jeśli natomiast ma miejsce relacja 0x01 graphic
, to należy odrzucić hipotezę 0x01 graphic
, i przyjąć hipotezę alternatywną 0x01 graphic
, co oznacza brak stacjonarności rozkładu składnika losowego.

W przypadku braku stacjonarności składnika losowego przyczyną może być niewłaściwa metoda estymacji. W takich przypadkach zalecana jest tzw. uogólniona metoda najmniejszych kwadratów. Metoda uogólniona różni się od klasycznej postacią funkcji kryterium dopasowania modelu do danych empirycznych, mianowicie:

0x01 graphic
,

gdzie 0x01 graphic
jest ilorazem wariancji składnika losowego w momencie czasu 0x01 graphic
do wariancji w momencie czasu 0x01 graphic
.

7. Weryfikacja założenia o wartości oczekiwanej składnika losowego.

Ten etap procedury weryfikacyjnej nie dotyczy modeli liniowych, bowiem metoda najmniejszych kwadratów daje gwarancje nieobciążoności składnika losowego, co wyraża się tym, że jego wartość oczekiwana jest równa zero. Weryfikację tej własności składnika losowego prowadzi się w przypadku modeli sprowadzalnych do postaci liniowej, modeli segmentowych, adaptacyjnych.

Weryfikacji poddajemy hipotezę 0x01 graphic
wobec hipotezy alternatywnej 0x01 graphic
. Sprawdzianem hipotez jest statystyka:

0x01 graphic
, gdzie S jest standardowym błędem oceny.

Statystyka t ma rozkład t-Studenta o (n-1) stopniach swobody. Z tablic rozkładu Studenta dla parametrów rozkładu 0x01 graphic
określamy wartość krytyczną statystyki 0x01 graphic
. Jeśli 0x01 graphic
nie ma podstaw do odrzucenia hipotezy 0x01 graphic
, jeśli natomiast 0x01 graphic
nie ma podstaw do przyjęcia hipotezy 0x01 graphic
, przyjmujemy hipotezę alternatywną 0x01 graphic
, co oznacza, iż 0x01 graphic
.

8. Autokorelacja składnika losowego

Analizując ciąg reszt uporządkowanych według wskaźnika czasu, można niekiedy zauważyć, że istnieje zależność reszt z okresu t od reszt przyporządkowanym okresom wcześniejszym. Zależność ta nosi nazwę autokorelacji. Literatura wyróżnia następujące przyczyny wystąpienia autokorelacji:

  1. powolne wygasanie tendencji w kształtowaniu się wielkości ekonomicznych /bezwład/,

  2. pominięcie istotnych zmiennych objaśniających,

  3. przyjęcie błędnego założenia o postaci analitycznej,

  4. pominięcie zmiennych opóźnionych w czasie,

  5. błędy w ocenie opóźnień czasu niektórych zmiennych objaśniających,

  6. „manipulowanie danymi” np. agregacja, bądź interpolacja brakujących informacji statystycznej.

W przypadku zależności pomiędzy szeregami opóźnionymi o jeden okres weryfikujemy hipotezę 0x01 graphic
wobec hipotezy alternatywnej 0x01 graphic
. Sprawdzianem jest statystyka:

0x01 graphic
.

Przekształcając zdefiniowane wyrażenie otrzymamy:

0x01 graphic
.

Z definicji współczynnik korelacji 0x01 graphic
należy przedziału [-1;1] tzn. /0x01 graphic
/, zatem statystyka DW należy do przedziału 0x01 graphic
.

Dla współczynnika korelacji z przedziału [-1,0), obserwujemy ujemną autokorelację, której z reguły odpowiada wartość DW z przedziału (2,4]. Natomiast dla autokorelacji dodatniej, współczynnik 0x01 graphic
należy do przedziału (0,1], a statystyka DW będzie się zawierała w przedziale [0,2].

W przypadku autokorelacja dodatniej, weryfikujemy hipotezę 0x01 graphic
wobec hipotezy alternatywnej 0x01 graphic
. Z tablic rozkładu statystyki Durbina - Watsona dla parametrów rozkładu (n,k) /k oznacza liczbę zmiennych objaśniających/ odczytujemy wartości 0x01 graphic
oraz 0x01 graphic
, są to wartości odpowiednio dolna oraz górna wartość krytyczna:

  1. jeżeli 0x01 graphic
    , hipotezę 0x01 graphic
    odrzucamy na rzecz hipotezy alternatywnej 0x01 graphic
    , oznacza to autokorelację składnika losowego,

  2. jeżeli 0x01 graphic
    , nie mamy podstaw do odrzucenia hipotezy 0x01 graphic
    , oznacza to brak istotnej autokorelacji składnika losowego,

  3. jeżeli 0x01 graphic
    , nie mamy podstaw do przyjęcia bądź odrzucenia żadnej z dwu hipotez, jest to tzw. obszar niekonkluzywności testu Durbina - Watsona.

Jeśli ma miejsce przypadek autokorelacji ujemnej, korekcie poddajemy wartość statystyki DW, nowa wartość DW' jest różnicą 4-DW. Weryfikujemy hipotezę 0x01 graphic
, wobec hipotezy alternatywnej 0x01 graphic
:

  1. jeżeli 0x01 graphic
    , hipotezę 0x01 graphic
    odrzucamy na rzecz hipotezy alternatywnej 0x01 graphic
    , oznacza to autokorelację składnika losowego,

  2. jeżeli 0x01 graphic
    , nie mamy podstaw do odrzucenia hipotezy 0x01 graphic
    , oznacza to brak istotnej autokorelacji składnika losowego,

  3. jeżeli 0x01 graphic
    , nie mamy podstaw do przyjęcia bądź odrzucenia żadnej z dwu hipotez, jest to tzw. obszar niekonkluzywności testu Durbina - Watsona.

Oczywiście możliwe jest także łączne testowanie autokorelacji, bez rozstrzygania jej znaku.

Test Durbina - Watsona stosowany może być wówczas gdy w zbiorze zmiennych objaśniających modelu nie występuje opóźniona w czasie zmienna objaśniana. Jeżeli takie zmienne występują, wówczas w weryfikacji przyjętych hipotez korzystamy z testu - h, pochodzącego od Durbina:

0x01 graphic
,

gdzie: 0x01 graphic
- ocena wariancji współczynnika regresji /parametr strukturalny/ przy 0x01 graphic
.

Test h ma jedno ograniczenie oczywiście poza tym, że weryfikuje autokorelację rzędu pierwszego, jest nim mianowicie to, że nie możemy wyznaczyć wartości h jeżeli 0x01 graphic
.

W przypadku autokorelacji rzędu p, w weryfikacji hipotezy o braku autokorelacji rzędu wyższego aniżeli jeden korzystamy z testu Godfreya.

Weryfikujemy hipotezę 0x01 graphic
autokorelacji rzędu p czyli 0x01 graphic
}, bowiem zakładamy, że w przypadku hipotezy alternatywnej składniki losowe są generowane przez proces autoregresyjny rzędu p, zapisujemy:

0x01 graphic
,

gdzie: 0x01 graphic
- składnik losowy o wartości oczekiwanej 0x01 graphic
, stałą wariancją 0x01 graphic
oraz zerowymi kowariancjami 0x01 graphic
dla 0x01 graphic
.

Hipoteza alternatywna wobec 0x01 graphic
przyjmie zatem postać:

0x01 graphic
miejsce autokorelacja rzędu i, tzn. istnieje takie i, że 0x01 graphic

Statystyka F ma rozkład Fishera - Snedecora z 0x01 graphic
stopniami swobody, gdzie 0x01 graphic
, a 0x01 graphic
, 0x01 graphic
oznacza liczbę szacowanych parametrów modelu.

Statystyka zaproponowana przez Godfreya jest równa:

0x01 graphic
,

gdzie:

0x01 graphic
,

0x01 graphic

Test Godfreya ma dwa sprawdziany: 0x01 graphic
, dla dużych prób, oraz 0x01 graphic
o rozkładzie 0x01 graphic
dla małych prób. Pomiędzy sprawdzianami testu zachodzi relacja:

0x01 graphic
.

Jeżeli 0x01 graphic
lub 0x01 graphic
są większe od wartości krytycznych odczytanych z tablic rozkładu dla ustalonego poziomu istotności i właściwej liczby stopni swobody, nie ma powodów do przyjęcia hipotezy 0x01 graphic
, należy przyjąć hipotezę alternatywną 0x01 graphic
, co oznacza istnienie autokorelacji rzędu i. Jeśli zachodzi relacja przeciwna i obliczone statystyki 0x01 graphic
oraz 0x01 graphic
są mniejsze od wartości krytycznych odczytanych z tablic rozkładu, nie mamy podstaw do odrzucenia hipotezy 0x01 graphic
.



Wyszukiwarka