Documente Academic
Documente Profesional
Documente Cultură
AUTOCORELAREA ERORILOR
Autocorelarea erorilor presupune existența unei covarianțe nenule între erorile din ecuația
modelului de regresie.
Sursa autocorelării erorilor poate fi neincluderea în modelul de regresie a uneia sau mai
multor variabile explicative importante.
Se urmăreste obținerea acelor soluții ale parametrilor modelului pentru care funcția de
verosimilitate corespunzătoare, rezultată din sondaje repetate, atinge valoarea sa maximă.
Funcția de verosimilitate se referă la probabilitatea simultană de realizare a valorilor Yi
privite ca funcție de unul sau mai mulți parametri.
În cazul modelului unifactorial, probabilitatea simultană este reprezentată de densitatea de
repartiție a valorilor Y1, Y2, ..., Yn, date fiind constantele a0, a1, s2.
Estimatorii obținuti cu ajutorul metodei M.C.M.P sunt estimatori de maximă
verosimilitate dacă sunt acceptate următoarele ipoteze:
Dacă graficul punctelor empirice prezintă o distribuție oscilantă, se poate accepta ipoteza că
cele două variabile sunt independente.
Se verifică dacă estimatorii modelului de regresie sunt diferiți de zero, pentru un prag de
semnificație fixat.
Yi = a0 + a1*Xi +ui
sa0= tcalculat > ttabelar se respinge ipoteza nulă, adică parametrul a0 este
semnificativ din punct de vedere statistic.
sa1= tcalculat > ttabelar se respinge ipoteza nulă, adică parametrul a1 este
semnificativ din punct de vedere statistic.
Testul Fisher-Snedecor
Testul F este utilizat în compararea varianțelor și constă din formarea proporției celor
doua varianțe cu valoare mai mare la numărător și compararea proporției astfel formate
cu valoare critică a distribuției probabilistice a lui F.
Dacă proporția este semnificativ mai mare decât 1, varianțele vor fi considerate că nu sunt
egale.
𝐒𝐒𝐑(𝐧−𝐤−𝟏)
F=
𝐒𝐒𝐄∗𝐊
R2 n k 1
F
1 R2 k
Fcalc Ftab=Fα, n-k-1 modelul econometric este valid
TESTUL DURBIN-WATSON
Durbin și Watson au aplicat această statistică reziduurilor din regresiile celor mai mici pătrate și
au dezvoltat teste de limite pentru ipoteza nulă, considerând că erorile sunt necorelate în serie cu
alternativa că urmează un proces autoregresiv de ordin I.
u i ui 1
2
d calc i 1
n
u
i 1
2
i
Valoare empirică DW se compară cu două valori teoretice, d1 și d2, preluate din tabelul
distribuției Durbin-Watson, în funcție de un prag de semnificație ales, (α=0,05 sau 0,01), de
numărul de variabile exogene (k) și de numărul valorilor observate n (n>15).
Dacă d < d1 , există dovezi statistice că termenii de eroare sunt pozitiv autocorelați;
Dacă d > d2, nu există dovezi statistice că termenii de eroare sunt autocorelați
pozitiv;
Dacă d1< d< d2, testul este neconcludent.
Corelația serială pozitivă este o corelație serială în care o eroare pozitivă pentru o observație
crește șansele unei erori pozitive pentru o altă observație.
Pentru a testa autocorelația negativă la un nivel de semnificație α ales , statistica testului (4
- d ) este comparată cu valorile critice inferioare și superioare ( d1și d2 ):
Dacă (4 - d ) < d1, există dovezi statistice că termenii de eroare sunt negativ
autocorelați;
Dacă (4 - d )> d2 , nu există dovezi statistice că termenii de eroare sunt autocorelați
negativ;
Dacă d1 <(4 - d ) < d2, testul este neconcludent.
Corelația negativă în serie implică faptul că o eroare pozitivă pentru o observație crește
șansa unei erori negative pentru o altă observație și o eroare negativă pentru o observație crește
șansele unei erori pozitive pentru o altă observație.
Exemplu
DW = 0.73
Bibliografie