Нужна помощь в написании работы?

Как было отмечено  ранее, при наличии достаточно сильной корреляции между двумя или несколькими переменными хi, i=1,2,..., n,  могут возникнуть трудности, связанные с обращением матрицы Х¢Х, следствием которых являются ошибки при определении оценок коэффициентов эконометрической модели. Последствия мультиколлинеарности могут быть разные.

Во-первых, падает точность оценивания, что проявляется в росте дисперсий ошибок коэффициентов модели, возникновении сильной зависимости между ними.

Во-вторых, может быть неправильно определена значимость независимых переменных. Иными словами, ошибки, появляющиеся при обращении плохо обусловленной матрицы Х¢Х приводят к тому, что искажается оценка степени влияния независимых факторов на зависимую переменную у. Вследствие этого, некоторые значимые факторы на этапе их отбора сверху могут быть исключены из модели, а незначимые, наоборот, оставлены.

В-третьих, оценки коэффициентов становятся крайне чувствительными к изменениям исходных данных эконометрической модели. Малейшие изменения значений переменных yt  и хit    или их количества вызывают значительные сдвиги в оценках коэффициентов a0, a1,..., an. В результате этого иногда меняется содержательный смысл модели. Это свидетельствует о ее ненадежности, неадекватности рассматриваемому реальному процессу.

Информация о плохой обусловленности матрицы Х¢Х может содержаться в матрице выборочных коэффициентов парной корреляции переменных хi, i=1,2,..., n. Значения, близкие по абсолютной величине к единице у коэффициентов некоторой даже незначительной по количеству группы переменных, уже указывают на возможные трудности, связанные с обращением матрицы Х¢Х. Вместе с тем, плохая обусловленность матрицы Х¢Х  может иметь место и при относительно небольших значениях парных коэффициентов корреляции (|r |» 0,8) у группы, содержащей достаточно большее число переменных.

Для выявления сильной мультиколлинеарности между независимыми переменными хi, i=1,2,..., n, обуславливающей плохую обратимость матрицы Х¢Х, можно использовать специальные тесты.

Простейший из них связан с использованием понятия чувствительности оценок коэффициентов эконометрической модели к незначительному изменению состава исходных данных. Тестирование в этом случае состоит в сопоставлении оценок коэффициентов первоначального варианта модели со значениями коэффициентов модели, построенной на меньшем количестве данных, т. е. при удалении из вектора у и матрицы Х нескольких элементов и строк соответственно с одинаковыми индексами.

Если некоторые из коэффициентов изменились достаточно сильно, то это свидетельствует о плохой обратимости матрицы Х¢Х, вызванной значительной мультиколлинеарностью между независимыми факторами модели.

Внимание!
Если вам нужна помощь в написании работы, то рекомендуем обратиться к профессионалам. Более 70 000 авторов готовы помочь вам прямо сейчас. Бесплатные корректировки и доработки. Узнайте стоимость своей работы.

На наличие мультиколлинеарности указывают и высокие значения множественных коэффициентов детерминации, вычисляемых между объясняющими переменными, на основе значений их парных коэффициентов корреляции, объединенных в соответствующую матрицу. Напомним, что множественный коэффициент детерминации Di  определяет уровень линейной связи переменной хi  с набором оставшихся переменных х1, х2,...,  хi–1, хi+,..., хn. Его значение может быть определено на основе следующего выражения:

êW ê/Wii,                          (2.64)

где êW ê – определитель матрицы W; Wii  – алгебраическое дополнение матрицы W к элементу с индексами ii, Ri – коэффициент множественной корреляции между переменной хi  и  оставшимся набором переменных.

                         W =                            (2.65)

Матрица W симметрична, поскольку rij=rji, на ее главной диагонали стоят единицы, поскольку rii º1 и при n переменных она имеет размер n´n, i=1,2,..., n.

Значимость коэффициента детерминации определяется на основании критерия Фишера, величина которого рассчитывается согласно следующей формулы:

            

Если некоторые из показателей Fi, i=1,2,..., n будут весьма значительными, т. е. существенно превосходить порог статистической значимости показателя Di, равный табличному значению критерия Фишера F* (Т–1, Тn, p*), то существуют серьезные основания полагать, что между переменными х1, х2,..., хn  существует сильная корреляционная зависимость.

В заключении данного раздела отметим следующее. В тех случаях, когда проведенные тесты подтвердили выполнимость условий (2.21)–(2.24), процедуру построения линейной эконометрической модели можно считать завершенной. Однако, если хотя бы один из тестов показал отрицательный результат нельзя утверждать, что построенная эконометрическая модель характеризуется высоким качеством. В таком случае необходимо разобраться с причинами невыполнения условий (2.21)–(2.24). Они могут не выполняться из-за неправильного выбора формы модели, неверного состава независимых факторов. В этом случае необходимо вернуться к этапу содержательного анализа проблемы построения модели и еще раз проверить обоснованность использования выбранной функциональной зависимости, состава, входящих в нее переменных, корректность измерения их количественных значений и т. п.

В разделе 2.3 будет, например, показано, что смещенность оценок параметров эконометрической модели может быть обусловлена невключением в модель ряда значимых факторов.

На рис. 2.1 изображены последствия неправильного выбора линейной формы функционала  yt=a0+a1хt  эконометрической модели вместо квадратичной функции yt =b0+b1 хt+b2 хt2.

Несложно заметить, что при линейной форме зависимости между значениями ошибки существует определенная закономерность, т. е. ошибку нельзя будет считать случайной. Она проявляется хотя бы в том, что значения  ошибки линейной модели на каждом из рассмотренных интервалов  имеют одинаковый знак. Ошибка квадратичной зависимости имеет “более случайный” характер.

                               у                    —квадратическая

                                                          зависимость

                                                        

                                                                           линейная

                                                                          зависимость

                                                                         ошибки модели

     

                          0                                                                           х

Рис. 2.1. Последствия для фактической ошибки неправильно

выбранной формы функционала модели

Вместе с тем, причинами невыполнения условий (2.21)–(2.24) могут быть и специфические свойства рассматриваемых процессов, выражаемых переменными yt   и  хit, i=1,2,..., п; t=1, 2,..., T. В таком случае выход следует искать в использовании более подходящего метода оценки параметров эконометрической модели, более полно учитывающего свойства отображаемых ею процессов. Как правило, такой поиск предполагает определенную модификацию рассмотренного в данной главе “классического” МНК.

Такие модификации, соответствующие различным типам эконометрических моделей, описывающих социально-экономические процессы со специфическими видами взаимосвязей, вызывающих нарушение “канонических” условий МНК (2.21)–(2.24) рассмотрены в последующих главах данного учебника.

Поделись с друзьями