Ekonometria - Cwiczenia nr 3
Transkrypt
Ekonometria - Cwiczenia nr 3
KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Ekonometria Ćwiczenia nr 3 Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 1 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Agenda 1 KMNK przypomnienie 2 Autokorelacja składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM 3 Heteroskedastyczność składnika losowego Istota heteroskedastyczności składnika losowego Test White’a 4 Normalność rozkładu składnika losowego Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 2 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Agenda 1 KMNK przypomnienie 2 Autokorelacja składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM 3 Heteroskedastyczność składnika losowego Istota heteroskedastyczności składnika losowego Test White’a 4 Normalność rozkładu składnika losowego Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 2 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Agenda 1 KMNK przypomnienie 2 Autokorelacja składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM 3 Heteroskedastyczność składnika losowego Istota heteroskedastyczności składnika losowego Test White’a 4 Normalność rozkładu składnika losowego Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 2 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Agenda 1 KMNK przypomnienie 2 Autokorelacja składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM 3 Heteroskedastyczność składnika losowego Istota heteroskedastyczności składnika losowego Test White’a 4 Normalność rozkładu składnika losowego Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 2 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Outline 1 KMNK przypomnienie 2 Autokorelacja składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM 3 Heteroskedastyczność składnika losowego Istota heteroskedastyczności składnika losowego Test White’a 4 Normalność rozkładu składnika losowego Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 3 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Twierdzenie Gaussa-Markowa Załóżmy: 1 rz(X) = k + 1 ≤ n 2 Zmienne xi są nielosowe, a zatem są niezależne od składnika losowego 3 E() = 0 4 D2 (ε) = E(εεT ) = I σ 5 εi ∼ N (0, σ 2 ) Twierdzenie Gaussa - Markowa Estymator β̂ uzyskany Klasyczną Metodą Najmniejszych Kwadratów jest estymatorem BLUE [best linear unbiased estimator], tj. zgodnym, nieobciążonym i najefektywniejszy w klasie liniowych estymatorów wektora β. nieobciążoność, czyli E(β̂) = β najefektywniejszy, czyli posiadający najmniejszą wariancję w swojej klasie zgodny, czyli limn→∞ P(|β̂n − β|) < δ Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 4 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Konsekwencje braku sferyczności macierzy kowariancji składnika losowego Przypomnijmy estymator macierzy wariancji-kowariancji oszacowań (β̂ OLS ): D2 (β̂ OLS ) = E h β̂ OLS − β β̂ OLS − β T i (1) Korzystając z zapisu macierzowego: D2 (β̂ OLS ) = E = E = h XT ε −1 XT εεT X XT X XT X XT X −1 XT X −1 −1 XT X XT ε T −1 i XT E εεT X XT X −1 Następnie korzystając z założenie o sferyczności macierzy wariancji-kowariancji składnika losowego, tj. D2 (ε) = E(εεT ) = σ 2 I , można uprościć wzór na estymator wariancji kowariancji oszacowań do: D2 (β̂ OLS ) = σ 2 XT X −1 (2) Autokorelacja oraz heteroskedastyczność implikują obciążoność macierzy wariancji-kowariancji wektora oszacowań, a zatem spadek efektywnośći oszacowań wektora β̂ OLS . Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 5 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM Outline 1 KMNK przypomnienie 2 Autokorelacja składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM 3 Heteroskedastyczność składnika losowego Istota heteroskedastyczności składnika losowego Test White’a 4 Normalność rozkładu składnika losowego Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 6 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM Autokorelacja składnika losowego Autokorelacja składnika losowego jest problemem najczęściej występującym w przypadku szeregów czasowych i polega na zależności(skorelowaniu) bieżących wartości składnika losowego od wartości przeszłych. Indeks t będzie oznaczać czas obserwacji. Zgodnie z założenia MNK: σ2 2 D (ε) = 0 .. . .. . 0 0 .. . .. . .. . ... ... .. . σ2 .. . ... ... .. . .. . .. . 0 0 .. . .. . 0 σ2 co jest równoznaczne: ∀t6=s cov(εt , εs ) = 0 Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 7 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM Autokorelacja pierwszego rzędu Autokorelacja pierwszego rzędu εt = ρεt−1 + ηt gdzie ηt ∼ N (0, ση2 ), E(η) = 0 oraz D2 (η) = I ση2 . W przypadku autokorelacji składnika losowego macierz wariancji-kowariancji składnika losowego nie jest diagonalna: D2 (ε) = 1 ρ ρ2 .. . ρ 1 ρ .. . ρ2 ρ 1 .. . ρn−1 ρn−2 ρn−3 ... ... ... .. . ... ρn−1 ρn−2 ρn−3 .. . 1 −4 −2 −2 −1 0 0 2 1 4 2 6 Przykład idiosynkratycznego zaburzenia losowego(L) oraz AR(1) (P) 0 Jakub Mućk 50 Ekonometria 100 150 Ćwiczenia 3 200 0 50 100 150 Własności składnika losowego 200 8 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM Konsekwencje autokorelacji składnika losowego: Spadek efektywności estymatora parametrów β̂ OLS . Obciążenie macierzy wariancjikowariancji wektora β̂ OLS , a więc obciążenie błędów szacunku. Ponadto, obciążone są wyniki testów statystycznych opartych na błędach szacunku, jak np. test istotnotności zmiennych t-studenta. Problem autokorelacji może sygnalizować bardzo poważne problem, jak np. problem pominiętych zmiennych (omitted variables bias). Przyczyny autokorelacji składnika losowego: Problem pominięcia ważnej zmiennej. Niepoprawna postać funkcyjna; wadliwa struktura dynamiczna, brak uwzględnienie czynników cyklicznych/sezonowych. Wysoka inercja zjawisk gospodarczych; psychologia podejmowanych zjawisk. Przekształcenia statystyczne. Rozwiązania problemu autokorelacji składnika losowego: Zmiana postaci funkcyjnej/ dynamicznej modelu ekonometrycznego. Uwzględnienie brakujących zmiennych objaśniających. UMNK - ugólniona metoda najmniejszych kwadratów (GLS -Generalized Least Squares oraz FGLS Feasible GLS). Metody Cohrane’a-Orcutta oraz Praisa-Wintensa. Odporne błędu standardowe; w przypadku szeregów czasowych stosuje się procedurę Neweya-Westa (1987). Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 9 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM Test Durbina-Watsona umożliwia sprawdzenie jedynie autokorelacji pierwszego rzędu. Statystyka testu DW opiera się na oszacowaniu współczynnika korelacji pomiędzy et a et−1 : n X d = 2 (et − et−1 ) t=2 n X (3) 2 et−1 t=1 Łatwo zauważyć, że d ≈ 2(1 − ρ̂). Hipotezą zerową jest brak autokorelacji, tj.: H0 : ρ=0 (4) Natomiast hipoteza alternatywna testu DW zależy od wartości statystyki testowej:, tj. H1 : ρ>0 gdy d ∈ (0, 2) (5) H1 : ρ<0 gdy d ∈ (2, 4) (6) Wartości krytyczne dU i dL są stablicowane. H1 : ρ > 0 Statystyka d Decyzja (0, dL ) (dL , dU ) (dU , 2) Jakub Mućk Statystyka d H1 : ρ < 0 Decyzja są podstawy do odrzucenia (4 − dL , 4) H0 na rzecz H1 o dodatniej autokorelacji brak decyzji (4 − dL , 4 − dU ) nie ma podstaw do odrzu- (4 − dU , 2) cenia H0 Ekonometria Ćwiczenia 3 są podstawy do odrzucenia H0 na rzecz H1 o ujemnej autokorelacji brak decyzji nie ma podstaw do odrzucenia H0 Własności składnika losowego 10 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM Ograniczenia testu Durbina-Watsona Test DW posiada obszary niekonkluzywności. Test Durbina-Watsona umożliwia weryfikację autokorelacji jedynie pierwszego rzędu. W specyfikacji modelu ekonometrycznego nie może zostać uwzględniona część autoregresyjna zmiennej objaśnianej, tj. opóźnione wartości zmiennej objaśnianej. Test Durbina-Watsona można stostować w przypadku modeli z wyrazem wolnym. Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 11 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM Test mnożnika Lagrange’a (LM) zaproponowany przez Breuscha i Godfreya pozwala na testowanie autokorelacji zarówno pierwszego jak i wyższych rzędów. W pierwszym kroku szacowane są parametry modelu: yt = β0 + β1 x1,t + . . . + βk xk,t + εt (7) W drugim kroku szacowane są parametry modelu, w którym wyjąśniany jest składnik resztowy z modelu (7). Dodatkowo, uwzględniane są opóźnienia do rzędu Q włącznie: et = β0 + β1 x1,t + β2 x2,t + . . . + βk xk,t + βk+1 et−1 + . . . + βk+Q,t et−Q +ηt | {z } | zmienne objaśniające z modelu (7) {z opóżnione reszty z modelu (7) (8) } Hipoteza zerowa testu LM jest równoznaczna braku autokorelacji do rzędu Q włącznie: H0 : βk+1 = ... = βk+Q = 0 (9) H1 : ∃l∈(1,..,Q) βk+l 6= 0 (10) Statystyka testowa: LM = nR2 (11) posiada rozkład χ2 z Q stopniami swobody (rząd weryfikowanej autokorelacji składnika losowego). Są podstawy do odrzucenia H0 , jeżeli LM jest większa od wartości krytycznej χ2 . Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 12 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota heteroskedastyczności składnika losowego Test White’a Outline 1 KMNK przypomnienie 2 Autokorelacja składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM 3 Heteroskedastyczność składnika losowego Istota heteroskedastyczności składnika losowego Test White’a 4 Normalność rozkładu składnika losowego Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 13 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota heteroskedastyczności składnika losowego Test White’a Heteroskedastyczność składnika losowegojest drugą formą niespełnienia założenia o sferyczności macierzy wariancji-kowariancji składnika losowego. Zjawisko heteroskedastyczności składnika losowego charakteryzuje przede wszystkim modele oparte o dane przekrojowe. Ogólny zapis hetereoskedastyczności składnika losowego: σ12 0 .. D2 (ε) = . 0 0 σ22 .. . ... ... .. . .. . 0 0 .. . .. . σn2 gdzie σ12 6= σ22 6= . . . σk2 Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 14 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota heteroskedastyczności składnika losowego Test White’a Konsekwencje heteroskedastyczności składnika losowego: Spadek efektywności estymatora parametrów β̂ OLS . Obciążenie macierzy wariancjikowariancji wektora β̂ OLS , a więc obciążenie błędów szacunku. Ponadto, obciążone są wyniki testów statystycznych opartych na błędach szacunku, jak np. test istotnotności zmiennych t-studenta. Problem hetereoskedastyczności może sygnalizować poważne problem, jak np. problem pominiętych zmiennych (omitted variables bias). Przyczyny heteroskedsatyczności składnika losowego: Znaczne różnice heterogeniczności jednostek w próbie. Rozwiązania problemu heteroskedastyczności składnika losowego: Ważona MNK. Transformacja zmiennych do postaci logarytmicznej. Odporne błędy standardowe; dla danych przekrojowych – procedura zaproponowana przez White’a. Identyfikacja: Wykresy. Test White’a. Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 15 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Istota heteroskedastyczności składnika losowego Test White’a Test White’a jest bardzo zbliżony do testu mnożnika LM zaproponowanego przez Breuscha Godfreya. W pierwszym kroku szacowane są parametry modelu: yi = β0 + β1 x1,i + . . . + βk xk,i + εi (12) W drugim kroku, zmienną objaśnianą są kwadraty reszt z oszacowanego modelu (12). Ponadto uwzględniane są kwadraty oraz interacje zmiennych objaśniających z modelu (12), tj.: ei2 = 2 2 + + . . . + βk+k xk,i β0 + β1 x1,i + . . . + βk xk,i + βk+1 x1,i +βk+k+1 x1,i x2,i + . . . + βk+k+S xk−1,i xk,i + ηi Hipotezą zerową jest homoskedastyczność składnika losowego: H0 : σi2 = σ 2 H1 : σi2 6= σ 2 (13) Statystyka testowa: LM = nR2 (14) posiada rozkład z M stopniami swobody (liczba wszystkich wszystkich zmiennych objaśniających w regresji testowej, tj. M = 2k +s). Są podstawy do odrzucenia H0 , jeżeli LM jest większa od wartości krytycznej χ2 . χ2 Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 16 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Outline 1 KMNK przypomnienie 2 Autokorelacja składnika losowego Istota autokorelacji składnika losowego Test Durbina-Watsona Test LM 3 Heteroskedastyczność składnika losowego Istota heteroskedastyczności składnika losowego Test White’a 4 Normalność rozkładu składnika losowego Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 17 / 18 KMNK przypomnienie Autokorelacja składnika losowego Heteroskedastyczność składnika losowego Normalność rozkładu składnika losowego Normalność rozkładu składnika losowego nie jest wymaganą właśnością składnika losowego, ale umożliwia korzystanie z testów statystycznych weryfikujących pozostałe własności składnika losowego. Test Jarque’a-Berry jest najpopularniejszą metodą w weryfikacji normalności składnika losowego. Statystyka teo testu opiera się na kurtozie i skośności reszt: n 1 JB = (S 2 + (K − 3)2 ) (15) 6 4 gdzie S i K to odpowiednio estymatory skośności oraz kurtozy składnika losowego: 1 n n X 1 n (ei − ē)3 i=1 S= 1 ( n n X oraz 2 (ei − ē) ) 3 2 n X (ei − ē)4 i=1 K = 1 ( n i=1 n X −3 (16) 2 2 ei − ē) i=1 Hipotezą zerową jest normalność składnika losowego: H0 : ε ∼ N (0, σ) Wartość statystyki testowej ma rozkład χ2 z dwoma stopniami swobody. Jeżeli wartość JB jest większa od wartości krytycznej z rozkładu χ2 to są podstawy do odrzucenia H0 . Odrzucenie hipotezy zerowej uniemożliwia korzystanie z testów statystycznych. Ale w przypadku dużej próby, własności asymptotyczne testów nadal są pożadane. Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 18 / 18