Transcript 06.cviceni-auto_AKT
ZÁKLADY EKONOMETRIE
6. cvičení Autokorelace 1
AUTOKORELACE
Podstata Příčiny Důsledky Testování 2
AUTOKORELACE
Porušení G-M předpokladu: E(
uu
T ) =
σ
2
I n
tj. náhodné složky
u i
nejsou sériově nezávislé – to je způsobeno závislostí mezi hodnotami
jedné proměnné
Dle předpokladu mají být nediagonální prvky matice E(
uu
T ) nulové nediagonální prky <> 0
→
AUTOKORELACE
E
(
uu
T ) ...
0 0 2 0 2 ...
0 ...
0 0 0 2
3
Autokorelace
u
,
e
0
(a)
čas u
,
e
0
(b)
u
,
e čas
0
(c)
čas u
,
e
0
čas u
,
e
0
u
,
e čas
0
čas
(d) (e) (f) 4
Pozitivní vs. negativní autokorelace
+
u t
+
u t čas
(a)
-
(a) Pozitivní autokorelace (b) Negativní autokorelace
čas
(b)
+
u t
+
u t
-
u t
-1
u t
-1
5
Setrvačnost ekonomických veličin
(zejm. případ ČR)
Chybná specifikace modelu
(specifikační chyba se stává součástí náhodné složky)
Chyby měření Užití zpožděných vysvětlujících proměnných Užití údajů zprůměrovaných, vyrovnaných, intra a extrapolovaných
Příčiny
6
Odhady zůstávají
nevychýlené a konzistentní
Odhady
nejsou
vydatné ani asymptoticky vydatné
Vychýlené odhady
rozptylu modelu (sigma) a směrodatných chyb bodových odhadů (
s bj
) intervaly spolehlivosti nejsou směrodatné statistické testy ztrácejí na síle
Důsledky
7
Autokorelace I. řádu
Testování vztahu:
u t = ρ* u t-1 + ε t
kde
ρ ,
je z intervalu <-1,1>
ρ ε t
je
koeficient autokorelace
je normálně rozdělená náhodná složka Vztah: náhodné složky jsou generovány stacionárním autoregresním stochastickým procesem prvního řádu (
AR1
)
8
Vyhodnocení koeficientu
ρ
ρ
> 0
… kladná autokorelace
ρ
< 0
… záporná autokorelace
ρ
= 0
… sériová nezávislost náhodných složek 9
Test autokorelace
Nejznámější test:
Durbin-Watsonova statistika
– tj. hodnota DW Hodnoty
u t
nejsou známy, proto se vychází z jejich odhadu, tj. z reziduí
e t
Testuje se vztah:
e t
kde
r
je odhad
ρ = r* e t-1 + v t
, (tj. autoregresní koeficient prvního řádu)
10
Odhad regresního koeficientů prvního řádu – tj.
ρ
est
ρ = r
≈ 1 – (
d
/2) kde
d
je Durbin-Watsonova statistika resp.
d
≈ 2 ( 1 –
r
)
11
Durbin-Watsonova statistika d
d
t T
2 (
e t
t T
1
e t
2
e t
1 ) 2 , Vzorec třeba znát na zkoušku!
Statistika
d
má symetrické rozdělení v intervalu <0,4> se střední hodnotou 2
12
0 Kladná autokorelace Žádná autokorelace
DW statistika
Záporná autokorelace d 2 4
13
DW statistika
r
= 1 …
d
v okolí 0 … úplná pozitivní autokorelace
r
= -1 …
d
v okolí 4 … úplná negativní autokorelace
r
= 0 …
d
v okolí 2 … bez autokorelace
Pozn: v praxi se v ekonometrii vyskytuje zejména pozitivní autokorelace 14
DW statistika
Závisí na: -
n
… tj. počet pozorování
k
… tj. počet predeterminovaných proměnných v modelu hladině významnosti (hodnoty
d
tabelizovány pro 5 %)
15
3 další způsoby vyhodnocení autokorelace
i)
ii) iii)
k
<<
n
(tj.
k
ostře menší než
n
) výpočet
d
přes Tools Durbinovo
h
– případ zpožděné endogenní vysvětlující proměnné
16
k
<<
n
– resp. příliš malé n případ, když je
d(u)
v tabulkách větší než 2 počet pozorování je příliš malý hledáme v tabulkách počet pozorování, kdy se hodnota
d(u)
dostane od 2 Např.
k
= 4,
n
= 9 i)
k << n
17
ii) výpočet d
d
t T
2 (
e t
t T
1
e t
2
e t
1 ) 2 , Reziduální součet čtverců - RSS
Odhad modelu; store residuals (e) GiveWin → Tools → Algebra Editor
dif1 = (e i – e i-1 ) …funkce diff(e,1) (obecně: diff(var,lag) ) dif2 = (ei – ei-1) 2 … = dif1*dif1 dif3 = cum(dif2) … tj. horní sumace DW = dif3/RSS = dif3/0,073
18
iii) zpožděná endogenní proměnná v modelu
k testu autokorelace nelze užít
d
statistiku model:
Y = f(Y -1 , X 1 , X 2 ,)+u
změna počtu pozorování –
n
= 7 (pro eko1.xls) významnost bodového odhadu u
y -1
namísto
d
nutno počítat Durbinovo
h
19
Durbinovo
h
h
n
1
2
b j
DW statistika standardní chyba bodového odhadu u zpožděné endogenní proměnné
20
Durbinovo h
h
~
N
(0,1) při dost velkém
n
lze užít tabulky normálního rozdělení a pracovat s kvantily
Hladina významnosti 10 % 1 % 5 % Kvantil 1,64 2,57 1,96
je-li
|h| < 1,96
, pak autokorelace na 5% hladině neexistuje
h
> 1,96 pozitivní autokorelace; h < 1,96 negativní autokorelace
21
Testování hypotézy:
H
0 : není autokorelace
H
1 : negativní autokorelace
Ověření: Tools – Tail probability hledat kvantil N(0,1) výstup bez signifikace
N(0,1,2-sided) = -0.33038 [0.7411]
nelze zamítnout H 0
Durbinovo
h
22
Příklad 1 KUŘE
Určete, jak závisí počet prodaných kuřat na níže uvedených proměnných. K dispozici máme roční pozorování od roku 1960 do roku 1982.
Y
– počet prodaných kuřat (v desítkách milionů kusů)
X
2 – výše dotace do zemědělství (v miliardách Kč)
X
3 – cena za kuře (Kč/kilo)
X
4 – cena vepřového (Kč/kilo) Je v modelu autokorelace?
23
Příklad 2 – Ruční výpočet DW
Eko1.xls
Odhadněte závislost maloobchodního obratu na disponibilním příjmu a cenovém indexu.
Y
– maloobchodní obrat potřeb pro domácnost v mld. CZK
X
1 – disponibilní příjem v mld. CZK
X
2 – cenový index Spočítejte DW statistiku.
24
Příklad 3 – Zpožděná endogenní proměnná
Eko1.xls
Odhadněte závislost maloobchodního obratu na disponibilním příjmu a cenovém indexu.
Y
– maloobchodní obrat potřeb pro domácnost v mld. CZK
X
1 – disponibilní příjem v mld. CZK
X
2 – cenový index
Yt-1
– maloobchodní obrat potřeb pro domácnost v mld. CZK v minulém období Spočítejte DW statistiku h.
25
Autokorelace Podstata Příčiny Důsledky Měření
Možná otázka do závěrečného testu 26