Durbin Watson kontrastas

ekonominis-žodynas

Durbin-Watson (DW) testas naudojamas duomenų rinkinio AR autokoreliacijos testui atlikti. Šis kontrastas sutelktas į įprastų mažiausių kvadratų (OLS) likučių tyrimą.

DW yra statistinis testas, kuris kontrastuoja autokoreliacijos buvimą regresijos liekanose. Pagrindinė duomenų serijos su autokoreliuotais likučiais charakteristika yra apibrėžta duomenų tendencija.

Autokoreliacija atsiranda, kai nepriklausomi kintamieji turi laiko struktūrą, kuri tam tikromis progomis pasikartoja laikui bėgant. Tada šiandieniniai likučiai (t = 2) priklausys nuo praeities likučių (t = 1) ir nebus įvykdyta klasikinio tiesinio modelio nepriklausomumo prielaida.

Durbinas Vatsonas finansiniame seriale

Šią autokoreliacijos problemą galime rasti duomenų eilutėse su aiškiai apibrėžta tendencija. Pavyzdžiui, Japonijos NIKKEI 225 indekso kaina su numeriu slidinėjimo abonementai išleistas Aspeno slidinėjimo kurorte, JAV. Abi serijos turi tą pačią augimo tendenciją, nors iš pradžių jos nesieja jokiais santykiais. Dažniausias autokoreliacijos atvejis pasitaiko finansinėse eilutėse, kur duomenų tendencija yra labai gerai apibrėžta.

Praktinis sprendimas autokoreliacijai ir heteroskedastiškumui sumažinti finansinėse eilutėse būtų taikyti natūralųjį logaritmą (ln). Per pirmąjį skirtumą, lnPt - lnPt-1, seriją izoliuojame nuo jos tendencijos. Šiuo atveju tai parodo kainas laiku t.

Rezultatas yra sąlyginis DW pasiskirstymas Xi, atitinkantis klasikinio tiesinio modelio prielaidas, ypač svarbus liekanų normalumo prielaidai.

Šis kontrastas yra žinomas pagal viršutinę ir apatinę kritinių verčių ribas, kurios priklauso nuo pasikliautinojo intervalo reikšmingumo lygio. Šie bendrieji lygiai yra:

  • dU: viršutinė riba.
  • dL: apatinė riba.

Nors neturime tikslaus pasiskirstymo, dU ir dL yra apibrėžti DW lentelėse. Ribos priklauso nuo kintamųjų skaičiaus (n) ir aiškinamųjų kintamųjų skaičius (k).

Procedūra

1. Likučius išdėstome laiko tvarka taip, kad

2. Apibrėžiame H0 ir H1.

3. Kontrastų statistika t.

4. Atmetimo taisyklė.

Dideliuose mėginiuose DW yra maždaug lygus 2 (1-r), kur r yra pirmos eilės likučių įvertinimas.

Apytikslis DW diapazonas yra [0,4]

  • Jei 0 ≤ DW <dL → Atmetame H0
  • Jei dL <DW <dU → Neįtikinamas testas
  • Jei dU <DW <Jei 4 - dU → Nėra pirmos eilės autokoreliacijos
  • Jei 4 - dU <DW <Jei 4 - dL → Neįtikinamas testas
  • Jei 4 - dL <DW ≤ 4 → Mes neturime pakankamai reikšmingų įrodymų atmesti H0

Žymos:  dariniai palyginimai kultūra 

Įdomios Straipsniai

add