Обобщенная линейная модель множественной регрессии с гетероскедастичными остатками. Лекция 8 презентация

Содержание

Слайд 2

Слайд №1

Слайд №1

Слайд 3

Пример 1. При исследовании среднедушевых сбережений и дохода в семьях разброс в данных

будет выше для семей с более высокими доходами. Это означает, что дисперсия зависимых величин, а, следовательно, и случайных ошибок не постоянны.

Слайд №2

Пример 1. При исследовании среднедушевых сбережений и дохода в семьях разброс в данных

Слайд 4

Слайд №3

Пример 2. При изучении влияния ВВП на затраты на образование по
статистическим данным

странам мира разброс значений относительно
функции регрессии выше у стран с более высокими значениями ВВП

Слайд №3

Слайд №3 Пример 2. При изучении влияния ВВП на затраты на образование по

Слайд 5

Тесты для проверки гетероскедастичности Тест ранговой корреляции Спирмена

1. Вычисляется коэффициент ранговой корреляции Спирмена


где di — разность между рангами значений хi и ei

Слайд №4

Тесты для проверки гетероскедастичности Тест ранговой корреляции Спирмена 1. Вычисляется коэффициент ранговой корреляции

Слайд 6

2. Выдвигается гипотеза

3. Гипотезе проверяется на основе статистика

Продолжение слайд №4

2. Выдвигается гипотеза 3. Гипотезе проверяется на основе статистика Продолжение слайд №4

Слайд 7

Тесты для проверки на гетероскедастичность

Тест Голдфелда—Квандта

Все n наблюдений X и Y упорядочиваются

по объясняющей переменной, влиянием которой порождается гетероскедастичность;
Оцениваются коэффициенты уравнений регрессии для первых n’ и последних n’’ наблюдений, причем
Выдвигаются гипотезы
4. Вычисляются суммы квадратов отклонений для первых n’ и последних n’’ наблюдений

Слайд №5

Тесты для проверки на гетероскедастичность Тест Голдфелда—Квандта Все n наблюдений X и Y

Слайд 8

5. Строится статистики

Тест Голдфелда—Квандта

6. В случае отклонения нулевой гипотезы структура матрицы Σ0

имеет вид

или

Если Q2>Q1

Если Q2

Продолжение слайд №5

5. Строится статистики Тест Голдфелда—Квандта 6. В случае отклонения нулевой гипотезы структура матрицы

Слайд 9

Тесты для проверки гетероскедастичности

Тест Глейзера

1. Будем предполагать, что

2. Выдвигается гипотеза

3. Варьируя γ

оценивают уравнения регрессии. Если при оценивании значимым оказывается более одного уравнения, то выбирают уравнение с наибольшим коэффициентом детерминации

- нет гетероскедастичности

Слайд №6

Тесты для проверки гетероскедастичности Тест Глейзера 1. Будем предполагать, что 2. Выдвигается гипотеза

Слайд 10

Тест Глейзера

4. В случае отклонения нулевой гипотезы структура матрицы Σ0 имеет вид

Продолжение слайда

№6

Тест Глейзера 4. В случае отклонения нулевой гипотезы структура матрицы Σ0 имеет вид Продолжение слайда №6

Слайд 11

Тесты для проверки гетероскедастичности Тест Парка (идея)

Слайд №7

Тесты для проверки гетероскедастичности Тест Парка (идея) Слайд №7

Слайд 12

Тест Парка (алгоритм)

Продолжение слайда №7

Тест Парка (алгоритм) Продолжение слайда №7

Слайд 13

Тест Бройша-Пагана-Годфри (идея)

Слайд №8

Тест Бройша-Пагана-Годфри (идея) Слайд №8

Слайд 14

Тест Бройша-Пагана-Годфри (алгоритм)

Продолжение слайд №8

Тест Бройша-Пагана-Годфри (алгоритм) Продолжение слайд №8

Слайд 15

Общий тест гетероскедастичности Уайта (алгоритм)

Слайд №9

Общий тест гетероскедастичности Уайта (алгоритм) Слайд №9

Слайд 16

Слайд №10

Слайд №10

Слайд №10 Слайд №10

Имя файла: Обобщенная-линейная-модель-множественной-регрессии-с-гетероскедастичными-остатками.-Лекция-8.pptx
Количество просмотров: 54
Количество скачиваний: 0