Ekonometria. Weryfikacja modelu. Paweł Cibis 6 kwietnia 2006

Transkrypt

1 Weryfikacja modelu Paweł Cibis 6 kwietnia 2006

2 1 Badanie istotności parametrów strukturalnych modelu Testy Pakiet Analiza Danych Uwagi 2 Test dla małej próby Test dla dużej próby 3 Test Durbina-Watsona 4 Test Goldfelda-Quandta 5 Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 6 Literatura

3 Testy Pakiet Analiza Danych Uwagi 1 Badanie istotności parametrów strukturalnych modelu Testy Pakiet Analiza Danych Uwagi 2 Test dla małej próby Test dla dużej próby 3 Test Durbina-Watsona 4 Test Goldfelda-Quandta 5 Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 6 Literatura

4 Test F Fishera-Snedecora Testy Pakiet Analiza Danych Uwagi H 0 : α 1 = α 2 =... = α n = 0 H 1 : α 1 + α α n 0 F = (n m 1) m R 2 1 R 2 F α,m,n m 1 F > F powoduje odrzucenie H 0, w przeciwnym wypadku nie ma podstaw do jej odrzucenia.

5 Test t-studenta Testy Pakiet Analiza Danych Uwagi H 0 : α i = 0 H 1 : α i 0 t i = α i S(α i ) t α,n m 1 t i > t powoduje odrzucenie H 0, w przeciwnym wypadku nie ma podstaw do jej odrzucenia.

6 Testy Pakiet Analiza Danych Uwagi Badanie istotności Test F Fishera-Snedecora 1 Narzędzia/Analiza Danych... /Regresja 2 Wartość statystyki F znajduje się w części Analiza wariancji 3 Wartość statystyki teoretycznej F : ROZKŁAD.F.ODW(α; m; n m 1) 4 Istotność F prawdopodobieństwo tego, że H 0 jest prawdziwa; jeżeli wartość ta jest mniejsza od przyjętego poziomu istotności, należy odrzucić H 0 na rzecz H 1.

7 Testy Pakiet Analiza Danych Uwagi Badanie istotności Test t-studenta 1 Narzędzia/Analiza Danych... /Regresja 2 Wartości statystyk t i tabelka z oszacowaniami współczynników, kolumna t-stat 3 Wartość statystyki teoretycznej t : ROZKŁAD.T.ODW(α; n m 1) 4 Wartość-p prawdopodobieństwo tego, że H 0 jest prawdziwa; jeżeli wartość ta jest mniejsza od przyjętego poziomu istotności, należy odrzucić H 0 na rzecz H 1.

8 Uwagi Testy Pakiet Analiza Danych Uwagi Warunkiem badania istotności parametrów strukturalnych jest spełnienie założenia o normalności rozkładu reszt. W modelu nieliniowym sprowadzalnym do liniowego istotność parametrów jest oceniana dla postaci transformowanej.

9 Test dla małej próby Test dla dużej próby 1 Badanie istotności parametrów strukturalnych modelu Testy Pakiet Analiza Danych Uwagi 2 Test dla małej próby Test dla dużej próby 3 Test Durbina-Watsona 4 Test Goldfelda-Quandta 5 Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 6 Literatura

10 Test dla małej próby Test dla małej próby Test dla dużej próby H 0 : ε t losowy H 1 : ε t nielosowy e t A, e t > 0 e t B, e t < 0 K e liczba serii K 1 z tablic rozkładu liczby serii dla danych: α, n 1, n 2 K 2 z tablic rozkładu liczby serii dla danych: 1 α, n 1, n 2 n 1, n 2 liczba symboli A i B (kolejność nie ma znaczenia)

11 Test dla małej próby Test dla dużej próby Test dla małej próby obszary decyzyjne Jeżeli K 1 K e K 2, to brakuje podstaw do odrzucenia H 0. W przeciwnym wypadku hipotezę o losowości rozkładu elementu losowego należy odrzucić. W przypadku testu jednostronnego H 0 odrzucamy gdy zachodzi K e < K. K możemy odczytać z tablic testu dwustronnego dla poziomu istotności 2α lub ze specjalnych tablic testu jednostronnego.

12 Test dla małej próby Test dla dużej próby Test dla małej próby (dwustronny) Excel 1 Kodujemy reszty: JEŻELI(komórka> 0; A ; B ). 2 Sprawdzamy czy nie ma reszt = 0: LICZ.JEŻELI(zakres reszt; =0 ) i w razie czego przyporządkowujemy im kody wg ustalonej wcześniej reguły. 3 Liczymy liczbę serii (K e ): JEŻELI(kod i 1 <> kod i ;1;0) (w pierszym wierszu 1 ). 4 Liczymy liczbę reszt dodatnich (n 1 ): LICZ.JEŻELI(zakres kodów; A ). 5 Liczymy liczbę reszt ujemnych (n 2 ): LICZ.JEŻELI(zakres kodów; B ). 6 Dla przyjętego poziomu istotności α oraz n 1 i n 2 odczytujemy z tablic K 1 oraz K 2 i otrzymujemy wynik testu, porównując je z K e.

13 Test dla dużej próby Test dla małej próby Test dla dużej próby H 0 : ε t losowy H 1 : ε t nielosowy P(N n 1) = 1 Φ (1 n µ )µ 3 2 σ n µ = 1 0, 5r 0, 5 r+1 σ = 2 2r+2 (2r + 1)2 r+1 2

14 Test dla dużej próby Excel Test dla małej próby Test dla dużej próby Obliczanie najdłuższej serii r: 1 Kodujemy reszty dodatnie jako 1, a ujemne jako 0: JEŻELI(reszta>0; 1 ; 0 ). 2 Liczymy narastająco długości serii: W pierwszym wierszu wstawiamy 1, w następnych: JEŻELI(kod i 1 = kod i ;dugo i 1 + 1;1); 3 Jako r przyjmujemy maksimum z długości.

15 Test dla dużej próby Excel Test dla małej próby Test dla dużej próby Obliczanie prawdopodobieństwa pojawienia się serii dłuższej niż r: 1 Obliczamy µ i σ, a następnie P(N n 1). 2 Jeżeli P(N n 1) α, nie ma podstaw do odrzucenia H 0. W przeciwnym wypadku odrzucamy hipotezę o losowości reszt.

16 Test Durbina-Watsona 1 Badanie istotności parametrów strukturalnych modelu Testy Pakiet Analiza Danych Uwagi 2 Test dla małej próby Test dla dużej próby 3 Test Durbina-Watsona 4 Test Goldfelda-Quandta 5 Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 6 Literatura

17 Test Durbina-Watsona Test Durbina-Watsona H 0 : ρ = 0 H 1 : ρ 0 DW = n 1 t=1 (e t e t 1 ) 2 nt=1 e 2 t d L, d U wartości krytyczne odczytane z tablic dla testu Durbina-Watsona

18 Test Durbina-Watsona Test Durbina-Watsona obszary decyzyjne 0 DW < d L odrzucamy H 0, autokorelacja dodatnia d L DW d U obszar niekonkluzywności d U < DW < 4 d U nie ma podstaw do odrzucenia H 0 4 d U DW 4 d L obszar niekonkluzywności 4 d L < DW 4 odrzucamy H 0, autokorelacja ujemna

19 Test Durbina-Watsona Excel Test Durbina-Watsona 1 Tworzymy wektor kolumnowy reszt. 2 Kopiujemy go do sąsiedniej kolumny o 1 wiersz niżej. 3 Liczymy różnicę odpowiadających sobie reszt w poszczególnych wierszach (oprócz pierwszego i ostatniego). 4 Liczymy sumę kwadratów różnic reszt i sumę kwadratów reszt, a następnie dzielimy je przez siebie, otrzymując statystykę DW. 5 Z tablic testu Durbina-Watsona odczytujemy wartości krytyczne d L oraz d U i podejmujemy decyzję o ewentualnym odrzuceniu H 0.

20 Test Goldfelda-Quandta 1 Badanie istotności parametrów strukturalnych modelu Testy Pakiet Analiza Danych Uwagi 2 Test dla małej próby Test dla dużej próby 3 Test Durbina-Watsona 4 Test Goldfelda-Quandta 5 Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 6 Literatura

21 Test Goldfelda-Quandta Hipotezy Test Goldfelda-Quandta Na podstawie wykresu kwadratów reszt oceniamy, czy reszty modelu da się podzielić na 2 części początkową i końcową o wyraźnie różnych wartościach kwadratów reszt. Jeżeli tak, to testujemy hipotezę o równości wariancji w obu częściach: H 0 : σ 2 1 = σ 2 2 H 1 : σ 2 1 > σ 2 2 F e = s2 1 s 2 2

22 Test Goldfelda-Quandta Test Goldfelda-Quandta Obszar krytyczny F e > F α (n 1 m 1, n 2 m 1) odczytujemy z tablic rozkładu F. Jeżeli F α (n 1 m 1, n 2 m 1) H 0 należy odrzucić element losowy jest heteroscedastyczny.

23 Test Goldfelda-Quandta Test Goldfelda-Quandta Inna postać H 1 Jeżeli H 1 ma postać H 1 : σ 2 1 < σ 2 2 To statystyka testowa jest postaci a wartość krytyczna F e = s2 2 s1 2, F α (n 2 m 1, n 1 m 1). Obszary krytyczne nie ulegają zmianie. W obu przypadkach grupy reszt numerujemy tak, by licznik statystyki F e był większy od mianownika.

24 Test Goldfelda-Quandta Excel Test Goldfelda-Quandta 1 Konstruujemy wykres kolumnowy dla kwadratów reszt. 2 Dzielimy reszty na dwie grupy. 3 Szacujemy parametry modelu dla każdej z grup (Analiza Danych lub REGLINP), liczymy kwadraty jego reszt i tworzymy ich kolejny wykres kolumnowy. 4 Dla każdej grupy liczymy sumę kwadratów reszt (SUMA.KWADRATÓW) 5 i A Obliczamy s1 2 = e2 i n 1 m 1 oraz s2 2 = i B e2 i n 2 m 1. 6 Zależnie od postaci H 1 obliczamy z odpowiednią wartość F e i F α ROZKŁAD.F.ODW i podejmujemy decyzję odnośnie H 0.

25 Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 1 Badanie istotności parametrów strukturalnych modelu Testy Pakiet Analiza Danych Uwagi 2 Test dla małej próby Test dla dużej próby 3 Test Durbina-Watsona 4 Test Goldfelda-Quandta 5 Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 6 Literatura

26 Test Hellwiga mała próba Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby H 0 : reszty mają rozkład normalny H 1 : reszty mają inny rozkład s = 1 n n et 2 i=1 e t = e t s K 1 K K 2 nie ma podstaw do odrzucenia H 0.

27 Test Hellwiga Excel Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 1 Sortujemy rosnąco kolumnę reszt i liczymy ich kwadraty. 2 Standaryzujemy reszty (e t) i sortujemy je rosnąco. 3 Liczymy wartości dystrybuant reszt ROZKŁAD.NORMALNY.S(X). 4 Tworzymy przedziały ( cele ): [0, 1 n ), [ 1 n, 2 n 1 n ),..., [ n, n n ]. 5 Zliczamy ile wartości dystrybuant wpada do każdej celi. 6 Obliczamy liczbę pustych cel (K) LICZ.JEŻELI(zakres;0). 7 Z tablic testu Hellwiga odczytujemy wartości K 1 i K 2 i podejmujemy decyzję odnośnie H 0

28 Test Kołmogorowa duża próba Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby H 0 : ε t N(0, s), (t = 1,..., n) H 1 : reszty mają inny rozkład s = 1 n n et 2 i=1 D n = sup x F n (x) F 0 (x) λ e = nd n H 0 odrzucamy dla λ e > λ 0, gdzie λ 0 odczytujemy z tablic rozkładu λ 0 -Kołmogorowa dla Q(λ) = 1 α.

29 Test Kołmogorowa Excel Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 1 Sortujemy rosnąco kolumnę reszt i liczymy ich kwadraty. 2 Standaryzujemy reszty (e t) i sortujemy je rosnąco. 3 Liczymy wartości dystrybuant empirycznych (numer reszty / liczba reszt). 4 Liczymy wartości dystrybuant reszt ROZKŁAD.NORMALNY.S(X). 5 Liczymy moduły różnic pomiędzy wartościami dystrybuant i wybieramy największy z wyników (D n ). 6 Liczymy λ e i odczytujemy z tablic λ 0, a następnie podejmujemy decyzję odnośnie H 0.

30 1 Badanie istotności parametrów strukturalnych modelu Testy Pakiet Analiza Danych Uwagi 2 Test dla małej próby Test dla dużej próby 3 Test Durbina-Watsona 4 Test Goldfelda-Quandta 5 Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 6 Literatura

31 Literatura Strahl D., Sobczak E., Markowska M., Bal-Domańska B. Modelowanie ekonometryczne z Excelem. Wrocław: AE Metody, przykłady, zadania. Red. J. Dziechciarz. Wrocław: AE Welfe A.. Warszawa: PWE 2003.

32