Автор: Пользователь скрыл имя, 18 Апреля 2011 в 21:15, курсовая работа
Модели, построенные по данным, характеризующим один объект за ряд последовательных моментов (периодов), называются моделями временных рядов. Временной ряд – это совокупность значений какого-либо показателя за несколько последовательных моментов или периодов. Применение традиционных методов корреляционно-регрессионного анализа для изучения причинно-следственных зависимостей переменных, представленных в форме временных рядов, может привести к ряду серьезных проблем, возникающих как на этапе построения, так и на этапе анализа эконометрических моделей. В первую очередь эти проблемы связаны со спецификой временных рядов как источника данных в эконометрическом моделировании.
Введение
1. Суть и причины автокорреляции
2. Обнаружение автокорреляции
0. 2.1 Графический метод
0. 2.2 Метод рядов
0. 2.3 Критерий Дарбина-Уотсона
0. 2.4 Тест серий (тест Бреуша-Годфри)
0. 2.5 Q-тест Льюинга - Бокса
3. Последствия автокорреляции
4. Методы устранения
0. 4.1 Определение на основе статистики Дарбина-Уотсона
0. 4.2 Метод Кохрана-Оркатта
0. 4.3 Метод Хилдрета-Лу
0. 4.4 Метод первых разностей
Заключение
Список использованной литературы
Однако, метод
первых разностей предполагает уж слишком
сильное упрощение (
). Поэтому более предпочтительными
являются приведенные выше итерационные
методы.
Вывод
В силу ряда причин в регрессионных моделях может иметь место корреляционная зависимость между соседними случайными отклонениями. Это нарушает одну из фундаментальных предпосылок МНК. Вследствие этого оценки, полученные на основе МНК, перестают быть эффективными. Это делает ненадежными выводы по значимости коэффициентов регрессии и по качеству самого уравнения. Поэтому достаточно важным является умение определить наличие автокорреляции и устранить это нежелательное явление. Существует несколько методов определения автокорреляции, среди которых были выделены графический, метод рядов, критерий Дарбина-Уотсона.
При установлении
автокорреляции необходимо в первую
очередь проанализировать правильность
спецификации модели. Если после ряда
возможных усовершенствований регрессии
автокорреляция по-прежнему имеет место,
то, возможно, это связано с внутренними
свойствами ряда отклонений. В этом случае
возможны некоторые преобразования, устраняющие
автокорреляцию. Среди них выделяется
авторегрессионная схема первого порядка
AR(1). Для применения указанных схем необходимо
оценить коэффициент корреляции между
отклонениями. Это может быть сделано
различными методами: на основе статистики
Дарбина-Уотсона, Кохрана-Оркатта, Хилдрета-Лу
и др. В случае наличия среди объясняющих
переменных лаговой зависимой переменной
наличие автокорреляции устанавливается
с помощью h-статистики Дарбина. А для ее
устранения в этом случае предпочтителен
метод Хилдрета-Лу.
Список
использованной литературы
Приложение
А
Значения статистик Дарбина – Уотсона dL dU при 5%-ном уровне значимости