پاورپوینت آزمون برقراری مفروضات کلاسیک در رگرسیون Eviews (pptx) 18 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 18 اسلاید
قسمتی از متن PowerPoint (.pptx) :
بنام خدا
1
آزمون برقراری مفروضات کلاسیک رگرسیون در
Eviews
2
مفروضات کلاسیک رگرسیون
- مقدار میانگین خطاها صفر است.
- همسانی واریانس ها(واریانس خطاها مقدار ثابتی است).
- عدم وجود خود همبستگی پسماندها
- عدم همبستگی متغیرهای توضیحی با جمله اخلال رگرسیون
- توزیع نرمال جمله اخلال
3
- مقدار میانگین خطاها صفر است.
وجود یک جمله ثابت(عرض از مبدا) در مدل رگرسیون میتواند این فرض را محقق کند.
جهت تعریف یک جمله ثابت در مدل کافیست در نوار ابزار برنامه Eviews جمله ثابت C را بنویسیم:
4
- همسانی واریانس ها
برای بررسی همسانی واریانس خطاها از مسیر زیر می توانیم آزمون وایت(white) را برای کشف ناهمسانی در جملات اخلال به کار بریم:View/Residual Diagnostics/Heteroskedasticity test
با توجه به اینکه Prob آماره F بزرگتر از 0.05 است پس فرض صفر مبنی بر همسانی واریانس ها تایید می شود.
5
- رفع ناهمسانی واریانس ها
در صورتی که آزمون وایت نشان داد ناهمسانی واریانس ها وجود دارد باید درصدد رفع آن برآییم:
از مسیر زیر گزینه White رو انتخاب میکنیم تا ناهمسانی رفع گردد:
Estimate/options/coefficient covariance matrix: white
نتایج خروجی بدست آمده را میتوان تحلیل کرد...
6
- عدم خود همبستگی پسماندها
الف)خود همبستگی مرتبه اول: آماره دوربین واتسون
عدم وجود خود همبستگی
وجود خود همبستگی
آماره دوربین واتسون در خروجی تحلیل رگرسیون نرم افزار eviews نمایش داده می شود و طبق یک قاعده سرانگشتی اگر بین دو عدد 1.7و 2.3باشد می توان ادعا کرد شواهدی مبنی بر وجود خود همبستگی مرتبه اول وجود ندارد.
ب)خود همبستگی بیش از مرتبه اول: آزمون ضرایب لاگرانژ(براش-گودفری)
برای کشف خودهمبستگی سریالی در اجزای اخلال، پس از برآورد مدل، در پنجره برآورد مسیر زیر را دنبال میکنیم:
View/Residual Diagnostics/Serial correlation LM test
همچون موارد مشابه در صورتیکه p-value بزرگتر از 0.05 بود فرض صفر مبنی بر عدم وجود خود همبستگی تأیید می شود.
7
- عدم خود همبستگی پسماندها
رفع خود همبستگی سریالی:
اینکه خود همبستگی سریالی از چه نوع و چه درجه ای باشد به چهار دسته کلی تقسیم بندی می شود:
1-فرآیند خودرگرسیون(خود توضیح)(AR)
2-فرآیند میانگین متحرک(MA)
3-(ARMA)
4-(ARIMA)
8
- عدم خود همبستگی پسماندها
رفع خود همبستگی سریالی:
به طور تجربی در پژوهش های مالی و حسابداری اگر از عامل AR(1) ، AR(2) ، MA(1) و یا MA(2) به ترتیب استفاده کنیم بطور محسوسی خود همبستگی سریالی پسماندها رفع خواهد شد.
مثال:
9