 |
Каковы последствия мультиколлинеарности факторов.
|
|
|
|
 |
Наиболзатруд-я в испол-и аппарата множест-й регрессии возник.при налич мультикол-сти факт-в, когда более чем 2 фактора связаны между собой линейной (сильной) завис-тью, т. е. имеет место интегральное (совместное) воздействие факторов друг на друга. Наличие мультик-стифакт-ов означ, что некот факторы будут всегда дейст-ть синхронно. В рез-те вариация в исходных данных перестает быть полностью независ-й, и невозможно оценить возд-ие каждого фактора в отдельности. Чем сильнее мультикол-сть факторов, тем менее надежна оценка распредел суммы вариации по отдельн факторам с помощью метода наименьших квадратов (МНК). Включ-е в модель мультикол-ых факторов отриц в силу следующих последствий: 1)осложняется интерпретация параметров множ-ой регрессии как величин действия факт-в, т.к. факт-ы коррелированны - параметры регрессии теряют эконом-й смысл и решение контрольной по эконометрике надо прекращать и рассм-ть другие факторы; 2) оценки параметров ненадежны, получаются большие стандартные ошибки и меняются с изменением объема наблюдений, что делает модель регрессии непригодной для прогнозирования.
39. Каковы последствия неправильного выбора состава независимых переменных модели.
При применении преобразования Койка возможны следующие проблемы:
• Среди объясняющих переменных появляется переменная y t−1, которая, в принципе, носит случайный характер, что нарушает одну из предпосылок МНК. Кроме того, данная объясняющая переменная, скорее всего, коррелирует со случайным отклонением υt.
• Если для случайных отклонений εt, ε t−1 исходной модели выполняется предпосылка 3 МНК, то для случайных отклонений υt, очевидно, имеет место автокорреляция. Для ее анализа вместо обычной статистики DW Дарбина–Уотсона необходимо использовать h-статистику Дарбина.
|
|
|
• При указанных выше проблемах оценки, полученные по МНК, являются смещенными и несостоятельными.
4 0. Каковы последствия автокорреляции и гетероскедастичности ошибок.
Проблемы при гетероскедастичности ошибок: 1) проблемно установить модель гетероскедастичности, т.е. установить вид ф-ции; 2) проблемно найти для заданной ф-ции преобразования.
Вид ф-ции устанавливают эмпирическим путем на этапе предварительного анализа временного ряда.
Зависимость между значениями 
стационарного временного ряда, описанного моделью 
убывает по мере возрастания временного периода 
, разделяющего моменты наблюдения этих значений. Характер убывания зависит от величины и знака коэф-та 
.
Если модель 
является адекватной моделью стационарного временного ряда 
, то частная автокорреляционная функция принимает нулевое значение для лагов большого порядка авторегрессии, т.е. для
=
41. При построении модели со стохаст. регрессорами может иметь место корр-я между независ. перем-й и ошибками. Вслед-е, МНК-оценки модели явл. смещён.инесостоятельн., а модель – неадекватной.
Одним из способов устранения данной сит-и явл. метод инструмен. перем-х (ИП).
Суть данного метода состоит в замене коррелирующей перем-й на другую (ИП), которая обладает след.св-ми:
• она должна коррелировать (желательно сильно) с заменяемой независ. перем-й;
• она не должна коррелировать с ошибками.
42. При построении моделей с лаговыми перем-ми возник.неск. проблем:
1) наличие неск. лаговыхперем-ых зачастую имеет своим след-м плохо обусловл. матрицу по причине достаточно сильной автокоррел. зав-ти между соответ. ее столбцами. Этот факт ведет к потере кач-ва модели из-за ухудшения точ-ти оценок ее параметров;
2) для таких моделей характ. чертой явл. сущ-е сильной корреляц. зав-ти между перем- и ошибами, что ведет к появл-ю смещения в оценках их параметров при исп-и МНК;
|
|
|
3) временной ряд ошибки модели часто характ-ся наличием автокорреляц. связи, вслед-е чего оценки параметров модели, получ. на основе МНК явл. неэффективными.
|
|
|
