Оценка Кокрейна – Оркатта - Википедия - Cochrane–Orcutt estimation

Оценка Кокрейна – Оркатта это процедура в эконометрика, который регулирует линейная модель за серийная корреляция в срок ошибки. Разработанный в 1940-х годах, он назван в честь статистики Дональд Кокрейн и Гай Оркатт.[1]

Теория

Рассмотрим модель

куда стоимость зависимая переменная интересное время т, столбец вектор коэффициентов, подлежащих оценке, вектор-строка объясняющие переменные вовремя т, и это срок ошибки вовремя т.

Если он найден, например, через Статистика Дарбина – Ватсона, что член ошибки серийно коррелированный со временем, то стандартные статистические выводы как обычно применяется к регрессии недействителен, потому что стандартные ошибки оцениваются с предвзятость. Чтобы избежать этой проблемы, остатки необходимо моделировать. Если процесс, генерирующий остатки, оказывается стационарный первый заказ авторегрессионная структура,[2] , с ошибками {} существование белый шум, то для преобразования модели можно использовать процедуру Кокрейна – Оркатта, взяв квази-разность:

В этой спецификации термины ошибки - это белый шум, поэтому статистический вывод действителен. Тогда сумма квадратов остатков (сумма квадратов оценок ) минимизируется по , при условии .

Неэффективность

Преобразование, предложенное Кокрейном и Оркаттом, игнорирует первое наблюдение временного ряда, вызывая потерю эффективность это может быть существенным в небольших выборках.[3] Превосходное преобразование, которое сохраняет первое наблюдение с весом был предложен первым Прайс и Винстен,[4] а позже независимо от Кадилаи.[5]

Оценка параметра авторегрессии

Если неизвестна, то она оценивается путем сначала регрессии нетрансформированной модели и получения остатков {} и регрессирующий на , что приводит к оценке и сделать возможной преобразованную регрессию, описанную выше. (Обратите внимание, что одна точка данных, первая, теряется в этой регрессии.) Эта процедура авторегрессии оцененных остатков может быть выполнена один раз, и результирующее значение можно использовать в преобразованном у регрессии, или остатки авторегрессии остатков сами могут быть авторегрессированы в последовательных шагах до тех пор, пока не исчезнет существенное изменение оценочного значения наблюдается.

Однако следует отметить, что итерационная процедура Кокрейна – Оркатта может сходиться к локальному, но не глобальный минимум остаточной суммы квадратов.[6][7][8]

Смотрите также

Рекомендации

  1. ^ Cochrane, D .; Оркатт, Г. Х. (1949). «Применение регрессии наименьших квадратов к отношениям, содержащим условия автокоррелированных ошибок». Журнал Американской статистической ассоциации. 44 (245): 32–61. Дои:10.1080/01621459.1949.10483290.
  2. ^ Вулдридж, Джеффри М. (2013). Вводная эконометрика: современный подход (Пятое международное изд.). Мейсон, Огайо: Юго-запад. С. 409–415. ISBN  978-1-111-53439-4.
  3. ^ Рао, Потлури; Грилихес, Цви (1969). «Свойства малой выборки нескольких методов двухэтапной регрессии в контексте автокоррелированных ошибок». Журнал Американской статистической ассоциации. 64 (325): 253–272. JSTOR  2283733.
  4. ^ Prais, S.J .; Винстен, К. Б. (1954). «Оценщики трендов и последовательная корреляция» (PDF). Документ для обсуждения Комиссии Коулза № 383. Чикаго.
  5. ^ Кадияла, Котешвара Рао (1968). «Преобразование, используемое для обхода проблемы автокорреляции». Econometrica. 36 (1): 93–96. JSTOR  1909605.
  6. ^ Dufour, J.M .; Gaudry, M. J. I .; Лием, Т. С. (1980). "Численные примеры многократных допустимых минимумов процедуры Кокрейна-Оркатта". Письма по экономике. 6 (1): 43–48. Дои:10.1016/0165-1765(80)90055-5.
  7. ^ Оксли, Лесли Т .; Робертс, Колин Дж. (1982). «Подводные камни в применении метода Кокрейн-Оркатт». Оксфордский бюллетень экономики и статистики. 44 (3): 227–240. Дои:10.1111 / j.1468-0084.1982.mp44003003.x.
  8. ^ Dufour, J.M .; Gaudry, M. J. I .; Хафер, Р. В. (1983). «Предупреждение об использовании процедуры Кокрейна-Оркатта, основанной на уравнении спроса на деньги». Эмпирическая экономика. 8 (2): 111–117. Дои:10.1007 / BF01973194.

дальнейшее чтение

внешняя ссылка