Jump to content

Статистика Дурбина – Ватсона

В статистике статистика Дурбина -Ватсона представляет собой тестовую статистику, используемую для обнаружения наличия автокорреляции с задержкой 1 в остатках (ошибках прогнозирования) из регрессионного анализа . Он назван в честь Джеймса Дурбина и Джеффри Уотсона . Распределение на небольшой выборке этого отношения было получено Джоном фон Нейманом (von Neumann, 1941). Дурбин и Уотсон (1950, 1951) применили эту статистику к остаткам регрессии наименьших квадратов и разработали тесты границ для нулевой гипотезы о том, что ошибки серийно не коррелируют с альтернативой, согласно которой они следуют авторегрессионному процессу первого порядка. Обратите внимание, что распределение этой тестовой статистики не зависит от оцененных коэффициентов регрессии и дисперсии ошибок. [ 1 ]

Аналогичную оценку можно также провести с помощью теста Бреуша-Годфри и теста Люнга-Бокса .

Вычисление и интерпретация статистики Дурбина – Ватсона

[ редактировать ]

Если остаток , определяемый Дурбина-Ватсона теста статистика

где это количество наблюдений. Для больших , приблизительно равно , где — это выборочная автокорреляция остатков при лаге 1. [ 2 ] следовательно, указывает на отсутствие автокорреляции. Стоимость всегда лежит между и . Если статистика Дурбина-Ватсона существенно меньше 2, есть свидетельства положительной серийной корреляции. Грубо говоря, если коэффициент Дурбина-Ватсона меньше 1,0, это может быть поводом для тревоги. Малые значения указывают на то, что последовательные члены ошибки положительно коррелируют. Если , последовательные члены ошибки отрицательно коррелируют. В регрессиях это может означать занижение уровня статистической значимости .

Чтобы проверить положительную автокорреляцию по значимости , тестовая статистика сравнивается с нижними и верхними критическими значениями ( и ):

  • Если , существуют статистические данные о том, что члены ошибок положительно автокоррелируют.
  • Если , нет никаких статистических доказательств того, что члены ошибок положительно автокоррелируют.
  • Если , тест неубедителен.

Положительная серийная корреляция — это серийная корреляция, при которой положительная ошибка для одного наблюдения увеличивает вероятность положительной ошибки для другого наблюдения.

Чтобы проверить отрицательную автокорреляцию по значимости , тестовая статистика сравнивается с нижними и верхними критическими значениями ( и ):

  • Если , существуют статистические данные о том, что члены ошибок отрицательно автокоррелируют.
  • Если , нет никаких статистических доказательств того, что члены ошибок отрицательно автокоррелируют.
  • Если , тест неубедителен.

Отрицательная серийная корреляция подразумевает, что положительная ошибка для одного наблюдения увеличивает вероятность отрицательной ошибки для другого наблюдения, а отрицательная ошибка для одного наблюдения увеличивает вероятность положительной ошибки для другого.

Критические значения, и , различаются по уровню значимости ( ) и степени свободы в уравнении регрессии. Их вывод сложен: статистики обычно получают их из приложений к статистическим текстам.

Если матрица проектирования регрессии известны точные критические значения распределения при нулевой гипотезе серийная корреляция не может быть вычислена. По нулевой гипотезе распространяется как

где количество наблюдений и – количество переменных регрессии; тот являются независимыми стандартными нормальными случайными величинами; и являются ненулевыми собственными значениями где это матрица, которая преобразует остатки в статистика, т.е. . [ 3 ] Доступен ряд вычислительных алгоритмов для определения процентилей этого распределения. [ 4 ]

Хотя серийная корреляция не влияет на согласованность оцененных коэффициентов регрессии, она влияет на нашу способность проводить достоверные статистические тесты. Во-первых, F-статистика для проверки общей значимости регрессии может быть завышена при положительной серийной корреляции, поскольку среднеквадратическая ошибка (MSE) будет иметь тенденцию недооценивать дисперсию ошибки генеральной совокупности. Во-вторых, положительная серийная корреляция обычно приводит к тому, что обычные стандартные ошибки метода наименьших квадратов (OLS) для коэффициентов регрессии недооценивают истинные стандартные ошибки. Как следствие, если в регрессии присутствует положительная серийная корреляция, стандартный линейный регрессионный анализ обычно приводит к вычислению искусственно малых стандартных ошибок для коэффициента регрессии. Эти небольшие стандартные ошибки приведут к завышению расчетной t-статистики, указывая на значимость там, где ее, возможно, нет. Завышенная t-статистика, в свою очередь, может привести к тому, что мы неправильно отвергнем нулевые гипотезы о совокупных значениях параметров регрессионной модели чаще, чем мы бы это сделали, если бы стандартные ошибки были правильно оценены.

Если статистика Дурбина-Ватсона указывает на наличие серийной корреляции остатков, это можно исправить с помощью процедуры Кокрейна-Оркатта .

Статистика Дурбина-Ватсона, хотя и отображается во многих программах регрессионного анализа, в определенных ситуациях неприменима. Например, если в состав объясняющих переменных включены лагированные зависимые переменные, то использовать этот тест нецелесообразно. Следует использовать h-критерий Дурбина (см. ниже) или тесты отношения правдоподобия, которые действительны в больших выборках.

h-статистика Дурбина

[ редактировать ]

Статистика Дурбина-Ватсона смещена для моделей авторегрессионного скользящего среднего , поэтому автокорреляция недооценивается. Но для больших выборок можно легко вычислить несмещенную нормально распределенную h-статистику:

используя статистику Дурбина – Уотсона d и оцененную дисперсию

коэффициента регрессии лагированной зависимой переменной при условии, что

Реализации в пакетах статистики

[ редактировать ]
  1. Р : dwtest функция в пакете lmtest, durbinWatsonTest (или сокращенно дедвейт) в комплектации автомобиля, и pdwtest и pbnftest для панельных моделей в пакете plm. [ 5 ]
  2. MATLAB : функция dwtest в панели инструментов статистики.
  3. Mathematica : статистика Дурбина-Ватсона ( d ) включена в качестве опции в функцию LinearModelFit.
  4. SAS : это стандартный вывод при использовании модели процесса и опция (dw) при использовании процедуры регистрации.
  5. EViews : автоматически рассчитывается при использовании регрессии OLS.
  6. gretl : автоматически рассчитывается при использовании регрессии OLS.
  7. Стата : команда estat dwatson, следующий regress в данных временных рядов. [ 6 ] Также доступны тест LM Энгла для авторегрессионной условной гетероскедастичности (ARCH), тест зависящей от времени волатильности, тест Бреуша-Годфри и альтернативный тест Дурбина для серийной корреляции. Все (кроме -dwatson-) тестируются отдельно для серийных корреляций более высокого порядка. Тест Бреуша-Годфри и альтернативный тест Дурбина также допускают использование регрессоров, которые не являются строго экзогенными.
  8. Excel : хотя в Microsoft Excel 2007 нет специальной функции Дурбина – Ватсона, d -статистику можно рассчитать с помощью =SUMXMY2(x_array,y_array)/SUMSQ(array)
  9. Minitab : опцию отчета о статистике в окне «Сеанс» можно найти в поле «Параметры» в разделе «Регрессия» и в поле «Результаты» в разделе «Общая регрессия».
  10. Python : функция durbin_watson включена в пакет statsmodels ( statsmodels.stats.stattools.durbin_watson), но статистических таблиц критических значений там нет.
  11. SPSS : включен в качестве опции в функцию регрессии.
  12. Юлия : функция DurbinWatsonTest доступна в пакете HypothesisTests . [ 7 ]

См. также

[ редактировать ]

Примечания

[ редактировать ]
  1. ^ Чаттерджи, Самприт; Симонов, Джеффри (2013). Справочник по регрессионному анализу . Джон Уайли и сыновья. ISBN  1118532813 .
  2. ^ Гуджарати (2003), с. 469
  3. ^ Дурбин, Дж.; Уотсон, GS (1971). «Тестирование серийной корреляции в регрессии наименьших квадратов.III». Биометрика . 58 (1): 1–19. дои : 10.2307/2334313 .
  4. ^ Фарбразер, RW (1980). «Алгоритм AS 153: процедура Пана для определения хвостовых вероятностей статистики Дурбина-Ватсона». Журнал Королевского статистического общества, серия C. 29 (2): 224–227.
  5. ^ Хатека, Нирадж Р. (2010). «Тесты для выявления автокорреляции» . Принципы эконометрики: введение (с использованием R) . Публикации SAGE. стр. 379–82. ISBN  978-81-321-0660-9 .
  6. ^ «Временные ряды постоценки регресса — инструменты постоценки для регрессии с временными рядами» (PDF) . Руководство по Стате .
  7. ^ «Тесты временных рядов» . Сайт juliastats.org . Проверено 4 февраля 2020 г.
[ редактировать ]
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: fc3b08c5d96e9084c0967db9e6d34e7e__1713499560
URL1:https://arc.ask3.ru/arc/aa/fc/7e/fc3b08c5d96e9084c0967db9e6d34e7e.html
Заголовок, (Title) документа по адресу, URL1:
Durbin–Watson statistic - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)