Рассмотри уравнение регрессии вида:
(1)
где число независимых переменных модели.
Наиболее известным критерием обнаружения автокорреляции в случае модели (1) является критерий Дарбина-Уотсона. Для анализа коррелированности отклонений вместо коэффициента корреляции используют тесно с ним связанную статистику Дарбина-Уотсона DW, рассчитываемую по формуле: .
Рис. 3.
Общая схема критерия Дарбина–Уотсона для выявления автокорреляции остатков.
1. Выдвинуть гипотезы: нулевую гипотезу об отсутствии автокорреляция и гипотезы и соответственно о наличии положительной и отрицательной автокорреляции в остатках.
2. Построить уравнение регрессии и определить значения остатков для каждого наблюдения .
3. По формуле вычислить значение статистики .
4. По таблице критических точек Дарбина-Уотсона определить значения критерия Дарбина-Уотсона (нижнее) и (верхнее) для заданного числа наблюдений , числа независимых переменных модели и уровня значимости . По этим значениям числовой промежуток разбивают на пять отрезков: , , , и .
|
|
5. Сделать вывод о наличии (или отсутствии автокорреляции) по правилу:
a. если , то существует положительная автокорреляция; гипотеза отклоняется и с вероятностью принимается гипотеза ;
b. если , то попадаем в так называемую зону неопределенности и не имеем возможности ни опровергнуть, ни принять ни одну из гипотез.
c. если , то нет оснований отклонить нулевую гипотезу: автокорреляция отсутствует;
d. если , то попадаем в так называемую зону неопределенности и не имеем возможности ни опровергнуть, ни принять ни одну из гипотез.
e. если , то существует отрицательная автокорреляция: гипотеза отклоняется и с вероятностью принимается гипотеза .
Ограничения на применение критерия Дарбина–Уотсона:
- неприменим к моделям с лаговыми переменными;
- выявляет автокорреляции только первого порядка;
- дает достоверные результаты только для больших выборок;
- применяется только для тех моделей, которые содержат свободный член.
На практике если фактическое значение критерия Дарбина-Уотсона попадает в зону неопределенности, то предполагают существование автокорреляции остатков и отклоняют нулевую гипотезу. В ряде случаев устранить автокорреляцию можно путем определения ответственного за нее фактора или факторов и соответствующего расширения уравнения регрессии. Можно также изменить формулу зависимости между факторами.
ПОСТАНОВКА ЗАДАЧИ
Для статистических данных, представленных в таблице согласно вашему варианту, проверьте наличие автокорреляции на уровне значимости 0,05, используя критерий Дарбина – Уотсона. Сделайте вывод о пригодности полученного уравнения регрессии для построения прогнозов.
|
|
ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ
1. В главном меню выберите последовательно пункты: Сервис – Анализ данных – Регрессия
2. Заполните диалоговое окно инструмента Пакета анализа Регрессия
Входные данные:
Входной интервал – диапазон (столбец или строка), содержащий данные результативного признака. – Необходимо выделить столбец с признаком .
Входной интервал – диапазон, содержащий данные факторов независимых признаков (одновременно выделяются столбцы, содержащие значения факторных признаков и )
Метки (да или нет) – флажок, который указывает, содержит ли первая строка названия столбцов или нет.
Введите название листа, в котором будут выведены результаты расчета, заполнив поле Новый рабочий лист.
Поставьте флажок Остатки
3. Нажмите ОК. На отдельном листе появятся итогирегрессионного анализа, содержащие 4 таблицы:
Регрессионная статистика
Дисперсионный анализ
Таблица без названия
Вывод остатка
4. Из Таблицы без названия выпишите значения коэффициентов уравнения регрессии и запишите само уравнение.
5. Из таблицы Вывод остатка скопируйте два столбца «Предсказанное » и «Остатки » и добавьте их в исходную таблицу данных.
6. Дополните таблицу данных столбцами «», «Квадрат разности остатков » и «Квадрат остатка ».
7. Используя процедуру Автосумма, вычислите нужные суммы .
В результате выполнения пп.1 - 3 получаем таблицу:
№ | Предсказанное | Остатки | |||||
- | - | ||||||
… | |||||||
Сумма: |
8. По формуле вычислите значение статистики .
9. По таблице критических точек Дарбина-Уотсона определите значения критерия Дарбина-Уотсона (нижнее) и (верхнее) для заданного числа наблюдений , числа независимых переменных модели и уровня значимости .
10. По этим значениям числовой промежуток разбейте на пять отрезков:
· – ,
· – ,
· – ,
· – ,
· – .
11. Определите, какому отрезку принадлежит найденное значение и сделайте вывод.
КОНТРОЛЬНЫЕ ВОПРОСЫ
1. В чем заключается суть автокорреляции? Положительная и отрицательная автокорреляция.
2. Причины возникновения автокорреляции.
3. Последствия автокорреляции.
4. Графический метод обнаружения автокорреляции.
5. Тест Дарбина-Уотсона.
Вариант №1
Месяц | Товарооборот, % к предыдущему месяцу, Х | Доходы населения, % к предыдущему месяцу, У |
Январь | 91,5 | 79,5 |
Февраль | 92,8 | 100,3 |
Март | 104,3 | 102,9 |
Апрель | 101,5 | 106,6 |
Май | 97,9 | 92,5 |
Июнь | 98,7 | 110,1 |
Июль | 100,8 | 96,6 |
Август | 103,7 | 97,1 |
Сентябрь | 104,6 | 98,5 |
Октябрь | 100,3 | 105,7 |
Ноябрь | 101,5 | 97,4 |
Декабрь | 116,0 | 129,9 |
Январь | 82,3 | 63,9 |
Февраль | 91,6 | 104,3 |
Март | 103,4 | 101,7 |
Вариант №2
месяц | Оборот розничной торговли, % к предыдущему месяцу, Х | Индекс потребительских цен, % к предыдущему месяцу, У |
Октябрь | 102,3 | 99,8 |
Ноябрь | 102,9 | 102,7 |
Декабрь | 123,1 | 109,4 |
Январь | 74,3 | 110,0 |
Февраль | 92,9 | 106,4 |
Март | 106,0 | 103,2 |
Апрель | 99,8 | 103,2 |
Май | 105,2 | 102,9 |
Июнь | 99,7 | 100,8 |
Июль | 99,7 | 101,6 |
Август | 107,9 | 101,5 |
Сентябрь | 98,8 | 101,4 |
Октябрь | 104,6 | 101,7 |
Ноябрь | 106,4 | 101,7 |
Декабрь | 122,7 | 101,2 |
Вариант №3
№ | Х, у.е. | Y,у.е. |
7,0 | 7,3 | |
7,3 | 7,6 | |
7,8 | 8,3 | |
8,3 | 8,9 | |
8,6 | 9,5 | |
8,9 | 10,0 | |
9,6 | 10,7 | |
9,6 | 10,8 | |
10,3 | 11,3 | |
10,9 | 11,9 | |
11,2 | 12,1 | |
11,4 | 12,2 | |
11,5 | 13,1 | |
11,8 | 13,5 | |
12,2 | 13,9 | |
12.3 | 14,0 |