| Idioma : |
|
| Comunitat enciclopèdia |Enciclopèdia Respostes |Enviar pregunta |Coneixement de vocabulari |Pujar coneixement |
Heteroscedasticitat |
|
El model de formulari dels errors de configuració de funcions. Com es posarà de model exponencial model lineal especificació errònia corba, l'error té una tendència a augmentar. 4. L'aparició de valors atípics Factors d'atzar, com ara canvis en les polítiques, els desastres naturals, les crisis financeres, les guerres i la temporada. Tipus Heterocedasticitat general, es pot atribuir a tres tipus: (A) l'augment monòtonament Tipus: Amb l'augment de X, que X i Y gràfic de dispersió, que mostra el valor de X augmenta amb l'augment dels valors de Y volatilitat (2) disminuir monòtonament patró: Amb l'augment de X disminueix, la dispersió en les direccions X i Y, el rendiment que el valor de X augmenta les fluctuacions en el valor de Y menors(3) complex: el canvi en X va mostrar formes complexes, és a dir, en la direcció X i Y parcel · la, el rendiment del valor de X augmenta amb els valors de Y fluctuen entre cap complex sistema. Existeixen mètodes d'inspecció Els fets han demostrat que els problemes econòmics reals sovint es produeixen heterocedasticitat, el que afectarà a l'estimació del model revisió, proves i aplicacions. Per tant, en l'establiment de models economètrics ha de ser provat si hi ha model de heteroscedasticitat. Sobre el mètode de prova de heteroscedasticitat és el següent: Icona de la Llei d'Inspecció, Goldfeld - mètode d'assaig Quandt, Llei d'Inspecció Blanc, test Park i la Llei d'Inspecció Gleiser. 1) Llei d'Inspecció d'icona. ① anàlisi de diagrama de correlació. Variable aleatòria discreta amb un nivell de variància, observant el diagrama de correlació de i i x, el grau de dispersió pot ser observat i la relació entre les variables explicatives. Si l'augment amb x, i grau de dispersió s'augmenta o disminueix gradualment tendència indica que el model és l'existència d'heterocedasticitat ascendent o descendent. ② anàlisi gràfica dels residus. En observar la distribució dels residus del model, si la distribució d'un grau significatiu de la tendència de la dispersió d'expansió, que indica que hi ha heteroscedasticitat. Mètode de prova icona només pot determinar si el model és relativament simple existència d'heterocedasticitat aspra. 2) Goldfeld - mètode d'assaig Quandt. Les variables explicatives ordenats en dues parts usant les mostres 1 i 2 es van establir model de regressió, i trobar la seva suma residual de quadrats, si el grau de dispersió terme d'error són els mateixos, i aproximadament el mateix valor, si existeix entre diferència significativa, que indica que hi ha diferències. En el procés d'inspecció, les diferències "exagerades", retiri la mostra de dades de mostra c (c = n / 4), l'estadístic F es construeix Per a un nivell de significació donat, si, que indica que hi ha model de heteroscedasticitat, per contra, no existeix. 3) White (blanc) de prova. Blanc provar el model de regressió auxiliar mitjançant l'establiment d'un mètode per a determinar la heterocedasticitat. Suposant un model de regressió lineal és un model de regressió binària dels passos de prova blancs: l'estimació del model de regressió per calcular els residus; model de regressió auxiliar estimat: Coming suma residual de quadrats en una variables explicatives clau i termes de productes creuats de regressió quadràtica; model de regressió de coeficient de determinació assistit per ordinador, que pot resultar en la mateixa variància sota el supòsit (), on q és el nombre de model de regressió auxiliar de variables independents: donat el nivell significatiu, si, a continuació, que almenys un no és 0 (), hi heteroscedasticitat. 4) Parker Inspecció (test Park) i Ge Lise Inspecció (test Glesger). A través de la creació de residus contra el model de regressió auxiliar variables explicatives per determinar el terme d'error aleatori entre variables explicatives i si hi ha una forta correlació entre el model per tal de determinar si hi heteroscedasticitat. Parc de prova: o; Gleiser Inspecció: h = ± 1, ± 2, ± 1/2, ......, que és un terme d'error aleatori, donat l'important nivell, si Després d'un examen un d'aquests equació de regressió auxiliar és significatiu, llavors provar l'existència de la heterocedasticitat model original. Parker inspecció i Ge prova Lise poden determinar si existeix model de heteroscedasticitat, i el model poden explorar la forma específica d'heterocedasticitat, que es va resoldre més tard fundació heterocedasticitat Conseqüència En els supòsits del model de regressió clàssic, ordinari estimador de mínims quadrats és estimador lineal, imparcial i efectiva, que ofereix totes les estimacions, l'estimador de mínims quadrats té la variància més petita - és un estimador vàlid. Si l'altra assumeix en les mateixes condicions, deixar a l'atzar pertorbació heterocedasticitat terme ui, ui és a dir desacord amb els valors de canvi observat, el que era contrari a l'estimació de mínims quadrats del Gauss - Markov descomptat, que Si continua utilitzant el mètode de mínims quadrats per estimar els paràmetres, tindrà les següents conseqüències: 1 paràmetre estimador segueix sent imparcial linear, però no és vàlid 2 model de heteroscedasticitat ja no té la menor variància de la variància 3.t prova inútil 4 models prediuen la destrucció |
| Usuari Revisió |
|
Sense comentaris encara |
