Нарушения предпосылок МНК - презентация, доклад, проект скачать

Нажмите для полного просмотра!

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Нарушения предпосылок МНК. Доклад-сообщение содержит 26 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

Тема3. Нарушения предпосылок МНК

Слайд 2

Описание слайда:

Мультиколлинеарность (МТК) – это явление высокой взаимной коррелированности НП.

Слайд 3

Описание слайда:

Частичная (реальная ) МТК при сильных корреляционных связях между НП (высокие коэффициенты парной корреляции). Если значения коэффициентов корреляции по абсолютной величине близки к 1, то почти совершенная МТК

Слайд 4

Описание слайда:

Последствия МТК: Оценки коэффициентов УМР ненадежны и неустойчивы (увеличиваются стандартные ошибки оценок и уменьшаются t-статистики МНК-оценок) МНК-оценки коэффициентов неустойчивы (чувствительны к изменениям данных и размерности выборки) Возможность получения неверного знака у коэффициентов регрессии

Слайд 5

Описание слайда:

Последствия МТК: Оценки коэффициентов УМР становятся очень чувствительными к ошибкам спец. Осложнение процесса определения наиболее существенных факторов Затрудняет экономическую интерпретацию коэффициентов УМР (выделение характеристик влияния факторов на ЗП в чистом виде) ОДНАКО: Оценки коэффициентов остаются несмещенными Оценки коэффициентов немультикол. факторов не ухудшаются

Слайд 6

Описание слайда:

Практические рекомендации по выявлению МТК: Плохая обусловленность матрицы (X’X), т.е. det(X’X)≈0 Близость к нулю минимального собственного числа min матрицы (X’X).

Слайд 7

Описание слайда:

Практические рекомендации по выявлению МТК: Анализ матрицы парных коэффициентов корреляции между НП (матрицы межфакторной корреляции) Присутствие в матрице парных коэффициентов корреляции значений коэффициентов интеркорреляции, превосходящих по абсолютной величине 0,7 – 0,80 Результаты анализа надежны лишь в случае двух НП

Слайд 8

Описание слайда:

Практические рекомендации по выявлению МТК:

Слайд 9

Описание слайда:

Методы устранения мультиколлинеарности 5. Переход к смещенным методам оценивания

Слайд 10

Описание слайда:

2. Гетероскедастичность

Слайд 11

Описание слайда:

Слайд 12

Описание слайда:

Слайд 13

Описание слайда:

Слайд 14

Описание слайда:

Обобщенный метод наименьших квадратов Обобщенный метод наименьших квадратов Теорема. Если в схеме Гаусса-Маркова не выполняется предпосылка о гомоскедастичности и некорелированности случайных возмущений, то наилучшей линейной процедурой оценки параметров модели является:

Слайд 15

Описание слайда:

Взвешенный метод наименьших квадратов Взвешенный метод наименьших квадратов Теорема. Если в схеме Гаусса-Маркова не выполняется предпосылка о гомоскедастичности случайных возмущений, то наилучшей линейной процедурой оценки параметров модели является:

Слайд 16

Описание слайда:

3. Автокорреляция

Слайд 17

Описание слайда:

Понятие автокорреляции Модель называется автокоррелированной, если не выполняется третья предпосылка теоремы Гаусса-Маркова: при i≠j. Автокорреляция чаще всего появляется в моделях временных рядов и моделировании циклических процессов.

Слайд 18

Описание слайда:

Причины АК : Причины АК : неправильный выбор спецификации модели Наличие ошибок измерения ЗП Цикличность значений экономических показателей Запаздывание изменений значений экономических показателей по отношению к изменениям экономических условий Сглаживание данных

Слайд 19

Описание слайда:

Понятие автокорреляции

Слайд 20

Описание слайда:

Понятие автокорреляции

Слайд 21

Описание слайда:

Последствия автокорреляции при применении МНК: Последствия автокорреляции при применении МНК: оценки коэффициентов теряют эффективность но остаются линейными и несмещенными дисперсии оценок являются смещенными (часто занижены) оценка остаточной дисперсии регрессии является смещенной (часто заниженной) выводы по критериям Стьюдента и Фишера могут оказаться неверными. Это ухудшает прогнозные качества РМ.

Слайд 22

Описание слайда:

Слайд 23

Описание слайда:

Тест Дарбина-Уотсона 1. Предпосылки теста. Случайные возмущения распределены по нормальному закону. Имеет место авторегрессия первого порядка:

Слайд 24

Описание слайда:

Тест Дарбина-Уотсона Для статистики DW не возможно найти критическое значение, т.к. оно зависит не только от Рдов и степеней свободы p и n-1, но и от абсолютных значений регрессоров. Возможно определить границы интервала DL и Du внутри которого критическое значение DWкр находится: DL ≤ DWкр ≤ Du Значения Du и DL находятся по таблицам.