3. метод чоу
3. метод чоу
Метод Чоу применяется в случае, когда основную выборку можно разделить на части или подвыборки. Регрессии для подвы-борок могут оказаться более эффективными, чем общая регрессионная модель.
Будем считать, что общая регрессионная модель — это регрессионная модель без ограничений, которую обозначим через. Отдельными подвыборками будем считать частные (private) случаи регрессионной модели без ограничений:
PR1 — первая подвыборка;
PR2 — вторая подвыборка;
ESS(PR1) — сумма квадратов остатков для первой подвыборки;
ESS(PR2) — сумма квадратов остатков для второй подвыборки;
ESS( UN) — сумма квадратов остатков для общей регрессии;
esspr1 — сумма квадратов остатков для наблюдений первой подвыборки в общей регрессионной модели;
ESS^ — сумма квадратов остатков для наблюдений второй подвыборки в общей регрессионной модели.
Для частных регрессионных моделей должны выполняться следующие условия:
ESS(PR1 )<ESS™; ESS (PR2)<ESS"P^ или (ESS (PR1 )+ESS (PR2 ))<ESS (UN ).
Для определения значимости частных регрессионных моделей используется F-критерий Фишера.
Выдвигается гипотеза о том, что качество общей регрессионной модели без ограничений лучше качества частных регрессионных моделей или подвыборок.
Значение F-критерия определяется по формуле:
(ESS (UN) ESS (PR1 )-ESS (PR2))
F"a6a = m++1 /
(ESS (PR1) +ESS (PR2))
n — 2m — 2
где ESS (UN ) — ESS (pR1 )— ESS (pr2) — величина, характеризующая улучшение качества модели регрессии после разделения ее на подвыборки;
m — количество факторных переменных (в том числе фиктивных);
n — объем общей выборочной совокупности.
Критическое значение F-критерия Фишера определяется по таблице распределения Фишера-Снедекора в зависимости от уровня значимости а и двух степеней свободы: кх = m + 1 и k2 = n — 2m — 2.
Если наблюдаемое значение F-критерия больше критического его значения, т. е. F , > F , то основная гипотеза отклоня' набл крыт'
ется, и качество частных регрессионных моделей превосходит качество общей модели регрессии.
Если наблюдаемое значение F-критерия меньше критического его значения, т. е. FHa6/i < FKpum, то основная гипотеза принимается, и разбивать общую регрессию на подвыборки не имеет смысла.
Если проверяется значимость базисной регрессии или регрессии с ограничениями (restricted regression), то выдвигается основная гипотеза вида:Н0 / вт+1 = вт+2 =, ■■■> = вк = 0, где
y = р°0+ вх + /32 xD1 + в3 X F>2.
km
Тогда наблюдаемое значение F-критерия преобразуется к виду:
F = ESSR ESSUR / TSS -ESSUR
набл m 1 n-k-1 ,
Критическое значение F-критерия Фишера определяется в зависимости от уровня значимости аи двух степеней свободы: k1 = т и k2 = n k 1.
Если наблюдаемое значение F-критерия больше его критического значения, то основная гипотеза H0 отклоняется, и в регрессионное уравнение необходимо вводить дополнительные фиктивные переменные, так как качество регрессионной модели с ограничениями выше качества базисной или ограниченной регрессионной модели.
Если наблюдаемое значение F-критерия Фишера меньше его критического значения, то основная гипотеза H0 принимается, и базисная регрессионная модель является удовлетворительной для изучаемой зависимости между переменными, вводить в уравнение дополнительные фиктивные переменные не имеет смысла.
Условие (ESS (PR,)+ ESS (PR2))= ESS (UN ) возможно только в том случае, если коэффициенты частных регрессионных моделей и коэффициенты общей модели без ограничений будут одинаковы, но на практике такое совпадение встречается очень редко.
Обсуждение Эконометрика.Конспект лекций
Комментарии, рецензии и отзывы