1
ZÁKLADY EKONOMETRIE
6. cvičení
Autokorelace
2
AUTOKORELACE Podstata
PříčinyDůsledkyTestování
3
AUTOKORELACE
Porušení G-M předpokladu:E(uuT) = σ2 In
tj. náhodné složky ui nejsou sériově nezávislé – to je způsobeno závislostí mezi hodnotami jedné proměnné
Dle předpokladu mají být nediagonální prvky matice E(uuT) nulové
nediagonální prky <> 0 → AUTOKORELACE2
2T
2
0 0
... 0( )
0 ... ... 0
0 0
E
uu
Autokorelace
4
čas
čas čas
čas čas
u,e
0
0 0
00
u,e
u,e u,e
(a) (b)
(d) (e)
u,e
(c)
čas0
u,e
(f)
Pozitivní vs. negativní autokorelace
(a) Pozitivní autokorelace
(b) Negativní autokorelace
5
ut
ut-1
ut
ut-1
ut
ut
čas
čas
(a)
(b)
+
-
++
+
--
-
6
Příčiny
Setrvačnost ekonomických veličin (zejm. případ ČR)
Chybná specifikace modelu (specifikační chyba se stává součástí náhodné složky)
Chyby měření
Užití zpožděných vysvětlujících proměnných
Užití údajů zprůměrovaných, vyrovnaných, intra a extrapolovaných
7
Důsledky
Odhady zůstávají nevychýlené a konzistentní
Odhady nejsou vydatné ani asymptoticky vydatné
Vychýlené odhady rozptylu modelu (sigma) a směrodatných chyb bodových odhadů (sbj)
intervaly spolehlivosti nejsou směrodatné
statistické testy ztrácejí na síle
8
Autokorelace I. řádu
Testování vztahu:
ut = ρ* ut-1+ εt , kde ρ je z intervalu <-1,1>
ρ je koeficient autokorelace
εt je normálně rozdělená náhodná složka
Vztah: náhodné složky jsou generovány stacionárním autoregresním stochastickým procesem prvního řádu (AR1)
9
Vyhodnocení koeficientu ρ
ρ > 0 … kladná autokorelace
ρ < 0 … záporná autokorelace
ρ = 0 … sériová nezávislost náhodných složek
10
Test autokorelace
Nejznámější test: Durbin-Watsonova statistika – tj. hodnota DW
Hodnoty ut nejsou známy, proto se vychází z jejich odhadu, tj. z reziduí et
Testuje se vztah: et = r* et-1+ vt,
kde r je odhad ρ
(tj. autoregresní koeficient prvního řádu)
11
Odhad regresního koeficientů prvního řádu – tj. ρ
est ρ = r ≈ 1 – (d/2)
kde d je Durbin-Watsonova statistika
resp. d ≈ 2 ( 1 – r)
12
Durbin-Watsonova statistika d
Vzorec třeba znát na zkoušku!
Statistika d má symetrické rozdělení v intervalu <0,4> se střední hodnotou 2
21
2
2
1
( ),
T
t tt
T
tt
e ed
e
13
DW statistika
d
dl
du
0 2 4
Žádná autokorelace
Kladná autokorelace
Záporná autokorelace
4-d
l
4-d
u
14
DW statistika
r = 1 … d v okolí 0 … úplná pozitivní autokorelace
r = -1 … d v okolí 4 … úplná negativní autokorelace
r = 0 … d v okolí 2 … bez autokorelace
Pozn:
v praxi se v ekonometrii vyskytuje zejména pozitivní autokorelace
15
DW statistika
- Závisí na:- n … tj. počet pozorování- k … tj. počet predeterminovaných proměnných v
modelu- hladině významnosti (hodnoty d tabelizovány pro 5 %)
16
3 další způsoby vyhodnocení autokorelace
i) k << n (tj. k ostře menší než n)
ii) výpočet d přes Tools
iii) Durbinovo h – případ zpožděné endogenní
vysvětlující proměnné
17
i) k << n
k << n – resp. příliš malé npřípad, když je d(u) v tabulkách větší než 2
počet pozorování je příliš malý
hledáme v tabulkách počet pozorování, kdy se hodnota d(u) dostane od 2
Např. k = 4, n = 9
18
ii) výpočet d
Reziduální součet čtverců - RSS
Odhad modelu; store residuals (e)
GiveWin → Tools → Algebra Editor
dif1 = (ei – ei-1)…funkce diff(e,1) (obecně: diff(var,lag))
dif2 = (ei – ei-1)2 … = dif1*dif1
dif3 = cum(dif2)… tj. horní sumace
DW = dif3/RSS = dif3/0,073
21
2
2
1
( ),
T
t tt
T
tt
e ed
e
19
iii) zpožděná endogenní proměnná v modelu
k testu autokorelace nelze užít d statistiku
model: Y = f(Y-1, X1, X2,)+uzměna počtu pozorování – n = 7 (pro eko1.xls)
významnost bodového odhadu u y-1
namísto d nutno počítat Durbinovo h
2(1 0,5 )
1jb
nh d
n s
20
Durbinovo h
standardní chyba bodového odhadu u zpožděné endogenní proměnné
DW statistika
21
Durbinovo h
h ~ N(0,1)
při dost velkém n lze užít tabulky normálního rozdělení a pracovat s kvantily
Hladina významnosti Kvantil
10 % 1,64
1 % 2,57
5 % 1,96
je-li |h| < 1,96, pak autokorelace na 5% hladině neexistuje
h > 1,96 pozitivní autokorelace; h < 1,96 negativní autokorelace
22
Durbinovo h
Testování hypotézy:H0: není autokorelace
H1: negativní autokorelace
Ověření: Tools – Tail probabilityhledat kvantil N(0,1)
výstup bez signifikace
N(0,1,2-sided) = -0.33038 [0.7411]
nelze zamítnout H0
23
Příklad 1 KUŘE
Určete, jak závisí počet prodaných kuřat na níže uvedených proměnných. K dispozici máme roční pozorování od roku 1960 do roku 1982.
Y – počet prodaných kuřat (v desítkách milionů kusů)
X2 – výše dotace do zemědělství (v miliardách Kč)
X3 – cena za kuře (Kč/kilo)
X4 – cena vepřového (Kč/kilo)
Je v modelu autokorelace?
24
Příklad 2 – Ruční výpočet DW
Eko1.xls
Odhadněte závislost maloobchodního obratu na disponibilním příjmu a cenovém indexu.
Y – maloobchodní obrat potřeb pro domácnost v mld. CZK
X1 – disponibilní příjem v mld. CZK
X2 – cenový index
Spočítejte DW statistiku.
25
Příklad 3 – Zpožděná endogenní proměnná
Eko1.xls
Odhadněte závislost maloobchodního obratu na disponibilním příjmu a cenovém indexu.
Y – maloobchodní obrat potřeb pro domácnost v mld. CZK
X1 – disponibilní příjem v mld. CZK
X2 – cenový index
Yt-1 – maloobchodní obrat potřeb pro domácnost v mld. CZK v minulém období
Spočítejte DW statistiku h.
26
Možná otázka do závěrečného testu
AutokorelacePodstata
Příčiny
Důsledky
Měření