Wzory 31
WZORY 31: hipoteza dotycząca nieskorelowania (pierwszego rzędu) składników losowych modelu
Analiza regresji: próba przekrojowa |
Analiza regresji: szereg czasowy |
Trend liniowy |
(1) |
(2) |
(3) |
Równanie modelu: wzory (31.1) |
||
Yi=E(Y/X=xi)=αxi+β+εi, i = 1,..., n, |
Yt=E(Y/X=xt)=αxt+β+εt, t = 1,..., n, |
Yt=E(Y/t)=αt+β+εt, t = 1,..., n, |
Założenia modelu: wzory (31.2) |
||
1) E(εi) = 0,
2) D2(εi) = E 4) εi: rozkład N(0, σ), |
1) E(εt) = 0,
2) D2(εt) = E 4) εt: rozkład N(0, σ), |
1) E(εt) = 0,
2) D2(εt) = E 4) εt: rozkład N(0, σ), |
Założenie 3) |
||
3) cov(εi, εj) = E(εiεj) = 0, dla i … j, dla i,j = 1,..., n, |
3) cov(εt, εs) = E(εtεs) = 0, dla s … t, dla s,t = 1,..., n, |
3) cov(εt, εs) = E(εtεs) = 0, dla s … t, dla s,t = 1,..., n, |
jest równoważne założeniu, że współczynniki korelacji liniowej (autokorelacji) między składnikami losowymi danego modelu wynoszą zero. Najprostszym przypadkiem autokorelacji składników losowych modelu jest autokorelacja rzędu pierwszego. |
||
Współczynnik autokorelacji rzędu pierwszego mierzy zależność między składnikami losowymi odległymi o jednostkę, czyli |
||
j = i - 1 dla i = 1,..., n |
s = t - 1 dla t = 1,..., n, |
s = t - 1 dla t = 1,..., n, |
Współczynnik autokorelacji rzędu pierwszego między skadnikami losowymi odległymi o jednostkę: wzór (31.3) |
||
|
|
|
Brak autokorelacji rzędu pierwszego między składnikami losowymi modelu oznacza, że współczynnik autokorelacji (31.3) wynosi zero: |
||
|
|
|
|
|
|
Realizacje estymatorów (31.4) w n-elementowej próbie: wzory (31.5) |
||
|
|
|
gdzie |
||
dla i = 1,..., n, |
dla t = 1,..., n, |
dla t = 1,..., n. |
dla i = 1,..., n, |
dla t = 1,..., n, |
dla t = 1,..., n. |
dla i = 1,..., n, |
dla t = 1,..., n, |
dla t = 1,..., n. |
dla i = 1,..., n, |
dla t = 1,..., n, |
dla t = 1,..., n. |
Hipoteza sprawdzana: wzory (31.6) |
||
x0: ρ(εi, εi-1) = 0, |
x0: ρ(εt, εt-1) = 0, |
x0: ρ(εt, εt-1) = 0 |
Hipoteza alternatywna: wzory (31.7) |
||
x1: ρ(εi, εi-1) … 0, |
x1: ρ(εt, εt-1) … 0, |
x1: ρ(εt, εt-1) … 0 |
lub |
||
x1: ρ(εi, εi-1) < 0, x1: ρ(εi, εi-1) > 0, |
x1: ρ(εt, εt-1) < 0, x1: ρ(εt, εt-1) > 0, |
x1: ρ(εt, εt-1) < 0, x1: ρ(εt, εt-1) > 0, |
Narzędzie weryfikacji hipotezy sprawdzanej - statystyka d Durbina-Watsona: wzory (31.8) |
||
|
|
|
Realizacja dobl zmiennej losowej d w n-elementowej próbie: wzory (31.9) |
||
|
|
|
gdzie |
||
|
|
|
Wzory przybliżone statystyki d Durbina-Watsona: wzory (31.10) |
||
|
|
|
Wzory przybliżone realizacji dobl zmiennej losowej d w n-elementowej próbie: wzory (31.11) |
||
|
|
|
Realizacja dobl statystyki d w n-elementowej próbie może przyjmować wartości z przedziału liczbowego <0;4>, |
||
bowiem |
||
|
|
|
jako współczynniki korelacji liniowej, przyjmują wartości z przedziału liczbowego <-1;1>. |
||
Rozkład statystyki d jest stablicowany. |
||
Przy przyjętym poziomie istotności, ustalonej liczbie obserwacji n i ustalonej liczbie niezależnych zmiennych m (w rozważanych modelach liniowej regresji oraz trendu m = 1) możemy odczytać wartości statystyki d, oznaczone jako d1 i d2, które wyznaczają obszar odrzuceń hipotezy sprawdzanej x0: ρ = 0 wobec hipotezy alternatywnej x1: ρ > 0. |
Prawostronną hipotezę x1 tylko wtedy jest sensowne sformułować, jeżeli obliczona z próby wartość statystyki dobl należy do zbioru <0;2> czyli |
Wówczas |
a) odrzucamy hipotezę sprawdzaną dla dobl < d1, b) nie mamy podstaw do odrzucenia hipotezy sprawdzanej dla dobl > d2, c) nie podejmujemy żadnej decyzji dla d1 < dobl < d2, |
Jeżeli formułujemy hipotezę x0: ρ = 0 wobec x1: ρ < 0, to znaczy, że obliczona z próby wartość statystyki dobl była większa od 2, czyli dobl należy do zbioru <2;4> a |
Przy lewostronnej hipotezie x1 nie wystarczy odczytać z tablicy rozkładu statystyki d wartości d1 oraz d2, a należy obliczyć 4 - d1 oraz 4 - d2, które to wartości wyznaczają obszary odrzuceń hipotezy sprawdzanej. |
Wówczas |
a) odrzucamy hipotezę sprawdzaną dla dobl > 4 - d1, b) nie mamy podstaw do odrzucenia hipotezy sprawdzanej dla dobl < 4 - d2, c) nie podejmujemy żadnej decyzji dla 4 - d2 < dobl < 4 - d1, |
Jeżeli formułujemy hipotezę x0: ρ = 0 wobec dwustronnej hipotezy x1: ρ … 0, to znaczy, że obszar odrzuceń hipotezy sprawdzanej podajemy na podstawie odczytanych z tablic rozkładu statystyki d wartości d1 i d2 oraz obliczonych wartości 4 - d1 i 4 - d2. |
Wówczas |
a) odrzucamy hipotezę sprawdzaną dla dobl < d1 lub dobl > 4 - d1, b) nie mamy podstaw do odrzucenia hipotezy sprawdzanej dla dobl > d2 i dobl < 4 - d2, c) nie podejmujemy żadnej decyzji dla d1 < dobl < d2 lub 4 - d2 < dobl < 4 - d1. |
Konsekwencje wyników weryfikacji hipotezy x0: ρ = 0 |
Jeżeli, przy dowolnie sformułowanej hipotezie alternatywnej, odrzucamy hipotezę zerową mówiącą o nieskorelowaniu (pierwszego rzędu) składników losowych, to oszacowany model traktujemy jako ułomne narzędzie opisu i prognozy, bowiem wymaga on poprawy polegającej, najczęściej, na powtórnej estymacji parametrów modelu lub innej specyfikacji zmiennych, czy też postaci funkcyjnej równania modelu. |
Jeżeli, przy dowolnie sformułowanej hipotezie alternatywnej, brak jest podstaw do odrzucenia hipotezy zerowej mówiącej o nieskorelowaniu (pierwszego rzędu) składników losowych, to oszacowany model uznajemy za dobre narzędzie opisu i prognozy. |
Źródło: Zestawienie własne na podstawie podręczników: J. Jóźwiak, J. Podgórski: Statystyka od podstaw, PWE, Warszawa 1998 oraz P. Kuszewski, J. Podgórski: Statystyka, wzory i tablice, Oficyna Wydawnicza SGH, Warszawa 1998. |