Documente Academic
Documente Profesional
Documente Cultură
Econometrie - Autocorelare
Econometrie - Autocorelare
1 1 n 1
unde
1 n 2 cov( i , i k ) k
• V= 2 1 k k 1, n - 1
var( i ) var( i k ) 0
n 1 n2 1
1
AUTOCORELAREA ERORILOR
2
1. Cauzele de apariţie a autocorelării erorilor
• Absenţa uneia sau mai multor variabile explicative importante
– neincluderea uneia sau mai multor variabile explicative importante
poate genera autocorelarea erorilor.
– exemplu: y i a bx1i cx 2i i
– variabila exogenă x3 este omisă variabilele reziduale sunt
autocorelate şi reziduul va fi explicitat prin intermediul acestei
variabile omise: i x3i u i
• Modelul de regresie nu este corect specificat: fie modelul se
exprimă sub forma unei combinaţii liniare de variabile în condiţiile
în care o specificare corectă a modelului trebuie să fie exprimată
printr-o combinaţie liniară de logaritmi de variabile exogene etc.
• Au fost făcute transformări neadecvate sau interpolări în cadrul
seriei de date
3
2. Testele statistice utilizate pentru depistarea
autocorelării: Durbin Watson
• Variabila reziduală satisface: i i 1 u i
• Ipoteze: Ho: =0 Ha: 0
n
• Statistica testului: DW
(e
i 2
i ei 1 ) 2
n
ei
2
• i 1
Numărătorul statisticii va fi scris sub forma echivalentă:
n 2 n n n n n
ei ei1 ei 2 ei ei1 ei1 2 2 ei ei1 e12 en2 .
ei2
i 2 i 2 i 2 i2 i 1 i 2
Atunci statistica d va fi:
e12 en2
d 21 ρ1 n
.
ei2
i 1
Dacă seria de date este suficient de mare, vom neglija termenii
extremi din seria reziduurilor, obţinând:
d 2 1 ρ1 . 4
• d1 şi d2 extrase din tabela Durbin Watson pentru , k şi n:
– 0 < DW < d1 autocorelare pozitivă a erorilor
– d1 DW d2 indecizie, recomandată acceptarea
autocorelării pozitive
– d2 < DW < 4-d2 erori independente
– 4-d2 DW 4-d1 indecizie, recomandată acceptarea
autocorelării negative
– 4-d1< DW <4 autocorelare negativă a erorilor
• Observaţie: Testul Durbin Watson nu poate fi aplicat decât dacă:
– modelul de regresie are termen liber
– matricea X este nestochastică
– printre variabilele explicative nu se află şi variabila endogenă
cu decalaj
– seriile de date nu sunt atributive 5
Testul Durbin Watson
6
3. Metode de estimare a parametrilor în cazul
autocorelării
• Erorile prezintă o autocorelare de un anumit ordin estimatorii parametrilor
sunt nedeplasaţi şi consistenţi, dar nu sunt eficienţi.
1. Se estimează parametrii modelului de regresie: Y=X prin metoda celor
mai mici pătrate şi se obţine seria erorilor (e i)i=1,n
2. Se consideră că erorile urmează un proces autoregresiv de ordinul I:
n
e e
i 2
n
i i 1
i i 1 u i
e
i 2
2
i 1
p p
3. y
i 0 j x ji i y i yi 1 0 (1 ) j ( x ji x ji 1 ) i i 1
j 1 j 1
*
p
Notând: y i y i y i 1
* yi* 0 *
j x ji i i N (0, ) 2
x ji x ji x ji 1 j 1
0 0 (1 )
4. Se estimează parametrii noului model şi apoi se revine la modelul iniţial.
7
HOMOSCEDASTICITATEA
• Y=X u
E ( ) 0
x
w1 0 0
0 w 0
2
Var ( )
1
0 0 w
• Problemele ce se pun în acest caz
1
sunt:
1. Testele statistice utilizate pentru depistarea heteroscedasticităţii
2. Metode de estimare a parametrilor în cazul heteroscedasticităţii
8
1. Testele statistice utilizate pentru depistarea
heteroscedasticităţii - Testul White
1. Se estimează parametrii modelului de regresie: Y=X prin metoda celor
mai mici pătrate şi se obţine seria erorilor (ei)i=1,n
2. Se explicitează seria (ei2)i=1,n în raport cu una sau mai multe variabile
exogene şi se defineşte modelul de regresie:
k k
1. e a j x ji b j x 2ji vi
2
i
j 1 j 1
2.
e a1 x1i a 2 x 2i b1 x12i b2 x 22i c1 x1i x 2i vi
2
i
3. Ipotezele testului:
• H0: a1=...=ak=b1=...=bk=0 model homoscedastic
• H1: a1 0 sau bj 0 model heteroscedastic
4. Statistica testului: LM=nR2r2
• Observaţie:
– o creştere a lui r conduce la diminuarea puterii testului
– pentru un număr mare de variabile exogene se recomandă modelul 1
– pentru un număr moderat de variabile exogene se recomandă modelul 2
9
2. Metode de estimare a parametrilor în cazul
heteroscedasticităţii
• În cazul în care heteroscedasticitatea este indusă de o variabilă exogenă
într-o manieră multiplicativă: i2 2 x 2ji ,
• Fenomenul de heteroscedasticitate se elimină prin transformarea modelului:
yi x1i x pi
1 ... p i
x ji x ji x ji x ji
yi x1i x pi i
• Notând: y
*
i x ,...,
*
i*
x ji i
x x x ji
ji ji
• Modelul devine: y i xi i
* * *
10
MULTICOLINEARITATEA
• este determinată de prezenţa corelării între variabilele exogene
determinantul matricei X’X este zero, deci aceasta nu este inversabilă.
• Se consideră modelul centrat şi redus, deci modelul de regresie fără
termen liber:
– matricea de corelaţie evaluată pentru variabilele exogene este 1/n(X’X) -1
– variaţia estimatorilor este 2R-1/n
– prezenţa corelării variabilelor exogene conduce la creşterea varianţei acelor
estimatori ai parametrilor modelului liniar de regresie ce corespund
variabilelor exogene aflate într-o dependenţă liniară semnificativă, deci
scăderea performanţelor modelului de regresie estimat prin forma clasică a
metodei celor mai mici pătrate.
x
i 1
2
2i
y i ( 1 2 ) x1i i
atunci se estimează modelul de regresie:
13
Exemplu
• Departamentul de HR al unei mari companii care
produce aparatură industrială de înaltă precizie vrea să
folosească modelele de regresie pentru fundamentarea
deciziei de recrutare a directorilor de vînzări.
• Compania are 45 de regiuni de vînzare, fiecare fiind
coordonată de către un director de vînzări(sales
manager).
• Mulţi dintre directorii de vînzări au studii universitare în
domeniul ingineriei electrice şi datorită gradului înalt de
specializare a produselor vîndute, conducerea companiei
crede că ar trebui acceptaţi pentru postul de director de
vînzări doar candidaţii cu studii tehnice.
14
• În timpul interviului pentru angajare, candidaţii trebuie
să susţină două tipuri de teste, specifice jobului: Strong-
Campbell Interest Inventory Test şi Wonderlic Personnel
Test.
16
Datele
17
Variabilele studiate
• Sales –raportul dintre vînzările anuale şi vînzările
planificate din fiecare regiune.
• Wonder – scorul la testul Wonderlic Personnel Test. Cu
cît punctajul este mai mare, cu atît abilităţile manageriale
ale candidatului sînt mai puternice.
• SC – scorul la testul Strong-Campbell. Cu cît punctajul
este mai mare, cu atît candidatul este mai indicat pentru
munca de vînzări.
• Experience - numărul de ani de experienţă în vînzări
înainte de a deveni director.
• Engineer – o variabilă dummy, care ia valoarea 1 dacă
directorul de vînzări are studii tehnice şi 0 altfel. 18
Obiectivele studiului
• În urma studiului trebuie realizat cel mai bun model de
predicţie a vînzărilor.
19
Formalizarea modelului
• Y – sales index
• X1 – scorul la testul Wonderlic Personnel (abilităţi
manageriale)
• X2 - scorul la testul Strong-Campbell (abilităţi de
vînzări)
• X3 – numărul de ani de experienţă în vînzări
• X4 – variabila indicator a studiilor tehnice
• Modelul iniţial:
Y 0 1 X 1 2 X 2 3 X 3 4 X 4
20
21
22
23
24
SC Re sidual Plot
30
20
10
0
Residuals
-10
-20
-30
-40
-50
0 10 20 30 40 50 60 70 80 90
SC
25
26
Scatte r Diagram
140
120
100
80
Y
60
40
20
0
0 10 20 30 40 50 60 70 80 90
X
27
Concluzii
• Singurul factor semnificativ de influenţă asupra
vînzărilor este rezultatul la testul SC( abilităţi de vînzări)
• Este recomandat ca la angajare să fie eliminat testul
Wonderlic Personnel(aptitudini manageriale)
• Experienţa sau studiile tehnice nu trebuie sa fie un
criteriu definitoriu la angajare.
28