Мощность статистического критерия. Уровень значимости.
Ошибки первого и второго рода. При проверке статистических гипотез возможны ошибочные заключения двух типов:
отвержение гипотезы в случае, когда она на самом деле верна;
неотвержение (принятие) гипотезы, если она на самом деле неверна.
Эти возможности называются соответственно ошибками первого рода и ошибками второго рода.
Из-за различного подхода к гипотезе и альтернативе, наше отношение к ошибками первого и второго рода также неодинаково. При . построении статистических критериев мы фиксируем максимальную допустимую вероятность ошибки первого рода (то есть уровень значимости критерия), и стремимся выбрать критическое множество таким образом, чтобы минимизировать вероятность ошибки второго рода (или хотя бы сделать так, чтобы эта вероятность была как можно меньше по мере удаления истинного распределения от гипотетического или гипотетических).
Мощность критерия. Обозначим через β вероятность ошибки второго рода статистического критерия. Если альтернативная гипотеза является сложной, то эта вероятность, естественно, зависит от выбора конкретного альтернативного распределения. Если мы рассматриваем альтернативы из какого-либо параметрического семейства распределений Рθ, значение (β также можно считать функцией отθ .
Величину 1 - β обычно называют мощностью критерия. Ясно, что мощность критерия может принимать любые значения от 0 до 1. Чем ближе мощности критерия к единице, тем более эффективен (более «мощен») критерий. Многие известные статистические критерии получены путем нахождения наиболее мощного критерия при заданных предположениях о гипотезе и альтернативе
- Эконометрическая модель.
- Измерения в экономике. Шкалы измерений.
- Случайные события и случайные переменные. Распределение случайных величин.
- Статистические характеристики случайных величин и их свойства.
- Основные функции распределения.
- Оценки статистических характеристик и их желательные свойства.
- Проверка статистических гипотез.
- Критерий и критическая область.
- Мощность статистического критерия. Уровень значимости.
- Модель линейной регрессии.
- Оценивание параметров регрессии. Метод наименьших квадратов.
- Система нормальных уравнений мнк и ее решение.
- Свойства оценок параметров, полученных методом наименьших квадратов. Условия Гаусса – Маркова.
- Коэффициент детерминации и его свойства.
- Предположение о нормальном распределении случайной ошибки в рамках классической линейной регрессии и его следствия.
- Доверительные интервалы оценок параметров и проверка гипотез об их значимости.
- Прогнозирование по регрессионной модели и его точность. Доверительные и интервалы прогноза.
- Ковариационная матрица оценок коэффициентов регрессии.
- Проверка значимости коэффициентов и адекватности регрессии для множественной линейной регрессионной модели.
- Коэффициент множественной детерминации. Скорректированный коэффициент детерминации.
- Проблемы спецификации регрессионной модели. Пошаговая регрессия.
- Проблема смещения Предположим, что переменная у зависит от двух переменных х1, и х2 в соответствии с соотношением:
- Неприменимость статистических тестов
- Замещающие переменные. Фиктивные переменные.
- Мультиколлинеарность. Влияние мультиколлинеарности на оценки параметров уравнения регрессии.
- Методы борьбы с мультиколлинеарностью.
- Линеаризация регрессионных моделей путем логарифмических преобразований.
- Модели с постоянной эластичностью. Производственная функция Кобба - Дугласа.
- Модель с постоянными темпами роста (полулогарифмическая модель).
- Полиномиальная регрессия.
- Кривая Филипса
- Гетероскедастичность. Последствия гетероскедастичности для оценок параметров регрессии методом наименьших квадратов и проверки статистических гипотез.
- Признаки гетероскедастичности и ее диагностирование. Обнаружение гетероскедастичности
- 1. Графический анализ остатков
- 2. Тест ранговой корреляции Спирмена
- 3. Тест Голдфелда-Квандта
- Оценивание коэффициентов множественной линейной регрессии в условиях гетероскедастичности. Обобщенный метод наименьших квадратов.
- Автокорреляция. Причины автокорреляции.
- Влияние автокорреляции на свойства оценок мнк.
- Тест серий. Статистика Дарбина – Уотсона.
- Способы противодействия автокорреляции.
- Стохастические объясняющие переменные. Последствия ошибок измерения.
- Инструментальные переменные.
- Лаговые переменные и экономические зависимости между разновременными значениями переменных.
- Модели с распределенными лагами.
- Модели авторегрессии как эквивалентное представление моделей с распределенными лагами.
- Ожидания экономических агентов и лаговые переменные в моделях
- Модели наивных и адаптивных ожиданий.
- Модель гиперинфляции Кейгана.
- 44. Модель гиперинфляции Кейгана
- Понятие об одновременных уравнениях. Структурная и приведенная форма модели.
- Структурная и приведённая форма. Идентифицируемость
- Примеры
- Проблема идентификации. Неидентифицируемость и сверхидентифицированность.
- Оценивание системы одновременных уравнений. Косвенный и двухшаговый мнк.
- Системы эконометрических уравнений с лаговыми переменными.
- Модель Кейнса.
- Модель Клейна.
- Матричная форма записи модели Клейна