ΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική

Transcript

1 ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 10: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Β μέρος: Ετεροσκεδαστικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ Webpage: 1

2 Περιεχόμενο ενότητας 1. Εισαγωγή 2. Συνέπειες της ετεροσκεδαστικότητας 3. Τρόποι διαπίστωσης της ετεροσκεδαστικότητας 4. Εκτίμηση υποδείγματος όταν υπάρχει ετεροσκεδαστικότητα 2

3 1. Εισαγωγή Μια από τις βασικές υποθέσεις του κλασικού γραμμικού υποδείγματος είναι πως ο διαταρακτικός όρος ε t (του πληθυσμού) είναι μια τυχαία μεταβλητή που έχει μέσο το μηδέν Ε(ε t ) = 0 και σταθερή διακύμανση για όλες τις τιμές της εξαρτημένης μεταβλητής Υ t. Όταν η διακύμανση του διαταρακτικού όρου είναι σταθερή, τότε το υπόδειγμα χαρακτηρίζεται από ομοσκεδαστικότητα (homoskedasticity): Var(ε t ) = σ ε 2 =σταθερή, για t = 1,, T Σε αντίθετη περίπτωση, όταν η διακύμανση του διαταρακτικού όρου δεν είναι σταθερή, τότε στο υπόδειγμα υπάρχει ετεροσκεδαστικότητα 3

4 (heteroskedasticity): Var(ε t ) = σ t 2, για t = 1,, T όπου όλες οι διακυμάνσεις σ t 2 δεν είναι ίσες μεταξύ τους, οπότε λέμε ότι υπάρχει ετεροσκεδαστικότητα στους διαταρακτικούς όρους. Η ετεροσκεδαστικότητα αναφέρεται στην περίπτωση στην οποία σε διαφορετικές παρατηρήσεις της ανεξάρτητης μεταβλητής Χ t, η διακύμανση του διαταρακτικού όρου ε t δεν είναι σταθερή. 4

5 Στα παρακάτω σχήματα παρουσιάζετε γραφικά η ύπαρξη ομοσκεδαστικότητας και αντίστοιχα ετεροσκεδαστικότητας σε τυχαία δεδομένα. 5

6 2. Η φύση της ετεροσκεδαστικότητας Η υπόθεση της ομοσκεδαστικότητας του διαταρακτικού όρου σημαίνει ότι η διασπορά των τιμών του γύρω από τον μέσο δεν εξαρτάται από τις τιμές της ερμηνευτικής μεταβλητής Χ. Για πολλές όμως οικονομετρικές σχέσεις, η υπόθεση της ομοσκεδαστικότητας δεν ισχύει. Π.χ. Η μεταβλητότητα στη συμπεριφορά της αποταμιεύσεως είναι μεγαλύτερη στις οικογένειες με μεγάλο εισόδημα παρά στις οικογένειες με μικρό εισόδημα. Η αποταμιευτική ικανότητα είναι πολύ περιορισμένη στις οικογένειες με χαμηλό εισόδημα και επομένως οι διαφορές τους στο επίπεδο αποταμιεύσεων δεν θα είναι σημαντικές. Αντίθετα, οι οικογένειες με μεγάλα εισοδήματα 6

7 αποταμίευση έχουν μεγάλες διαφορές τους στο επίπεδο αποταμιεύσεων, αφού έχουν την δυνατότητα να δαπανούν περισσότερο. Στην περίπτωση αυτή, το διάγραμμα διασποράς του εισοδήματος και της αποταμιεύσεως για ένα υποθετικό δείγμα οικογενειών θα είναι ως εξής: εισόδημα 7

8 3. Συνέπειες της ετεροσκεδαστικότητας Έστω το υπόδειγμα Υ t = β 0 + β 1 Χ t + u t και ας υποθέσουμε ότι ισχύουν όλες οι βασικές υποθέσεις του κλασικού γραμμικού υποδείγματος, εκτός από την ομοσκεδαστικότητα. Δηλαδή υποθέτουμε ότι: Var(ε t ) = σ t 2, για t = 1,, T. Οι εκτιμητές των συντελεστών του παραπάνω υποδείγματος, που προκύπτουν από την μέθοδο ελαχίστων τετραγώνων, όταν ο διαταρακτικός όρος είναι ετεροσκεδαστικός, εξακολουθούν να είναι γραμμικοί και αμερόληπτοι. Το πρόβλημα που δημιουργείται αναφέρεται κυρίως στις εκτιμήσεις των διακυμάνσεων τους και την αποτελεσματικότητα τους. 8

9 Δηλαδή οι εκτιμητές ελαχίστων τετραγώνων δεν έχουν την μικρότερη διακύμανση (συνήθως γίνεται υποεκτίμηση των διακυμάνσεων). Λόγω της υποεκτίμηση των διακυμάνσεων, εκτιμώνται υψηλότερες τιμές των στατιστικών t και F. Τα διαστήματα εμπιστοσύνης είναι αναξιόπιστα και οι προβλέψεις του υποδείγματος είναι μη αποτελεσματικές. Τα συμπεράσματα μας για τις παραμέτρους του πληθυσμού θα είναι αναξιόπιστα. Οι εκτιμητές όμως εξακολουθούν να είναι αμερόληπτοι και συνεπείς. Αυτό συμβαίνει γιατί καμία από τις ερμηνευτικές μεταβλητές δεν συσχετίζεται με τον όρο του σφάλματος. Έτσι, οι τιμές των εκτιμημένων συντελεστών θα είναι πολύ κοντά στις πραγματικές παραμέτρους. 9

10 4. Τρόποι διαπίστωσης της ετεροσκεδαστικότητας Υπάρχει ένας μεγάλος αριθμός ελέγχων για την διαπίστωση του προβλήματος της ετεροσκεδαστικότητας, ανάλογα με τα διαθέσιμα στατιστικά στοιχεία. Αν για κάθε τιμή της ερμηνευτικής μεταβλητής υπάρχουν αρκετές παρατηρήσεις για την εξαρτημένη μεταβλητή, ή αν το μέγεθος του δείγματος είναι αρκετά μεγάλο ώστε να χωριστεί σε ομάδες, ο έλεγχος για ετεροσκεδαστικότητα μπορεί να γίνει με το κλασικό κριτήριο ελέγχου ομοιογένειας (ισότητας) των διακυμάνσεων. Πολλοί έλεγχοι βασίζονται στην ανάλυση των καταλοίπων που προκύπτουν από την μέθοδο των ελαχίστων τετραγώνων. 10

11 Κάποιοι βασικοί έλεγχοι ετεροσκεδαστικότητας είναι οι παρακάτω: α. Κριτήριο Barlett β. Συντελεστής συσχετίσεως Spearman γ. Ο έλεγχος των Goldfeld-Quandt δ. Ο έλεγχος των Breusch-Pagan-Godfrey ε. Ο έλεγχος του White 11

12 α. Κριτήριο Barlett Έστω ότι σε ένα υπόδειγμα παλινδρόμησης οι παρατηρήσεις (Ν) μπορούν να χωριστούν σε G ομάδες. Ας παραστήσουμε με Ν 1 τον αριθμό των παρατηρήσεων για την πρώτη ομάδα, Ν 2 τον αριθμό των παρατηρήσεων για την δεύτερη ομάδα κ.ο.κ. Ο έλεγχος για την ύπαρξη ετεροσκεδαστικότητας μπορεί να γίνει με τη στατιστική: λ = Q 1+M ~X2 με (G 1) βαθμούς ελευθερίας όπου Q = Ν ln g=1 G N N g S g 2 G ( g=1 N g lns g 2 ), Μ = 1 3(G 1) ( 1 N g 1 N ) Απορρίπτουμε την Η 0 : υπάρχει ετεροσκεδαστικότητα, για μεγάλες τιμές του λ. 12

13 Παράδειγμα 1 Στον παρακάτω πίνακα δίνονται οι δαπάνες για στέγαση (Υ) και το εισόδημα (Χ) για ένα υποθετικό δείγμα 20 οικογενειών. Οι παρατηρήσεις χωρίζονται σε 4 ομάδες που αντιστοιχούν σε 4 επίπεδα οικογενειακού εισοδήματος. Χ Ν g Υ

14 Οι μέσοι όροι των παρατηρήσεων της Υ για την κάθε μια ομάδα είναι: x 1 = 20, x 2 = 34, x 3 = 45, x 4 = 55 Οι διακυμάνσεις των παρατηρήσεων της Υ για την κάθε μια ομάδα είναι: S 1 2 = 1. 5, S 2 2 = 5, S 3 2 = 7. 2, S 4 2 = Οπότε είναι: Q = Ν ln g=1 G N g S g 2 N G g=1 N g lns g 2 = 20ln , , 38 = 9, 871 Χ Ν g Υ

15 Μ = = 1 3(G 1) 1 3(4 1) Επομένως: λ = Q 1 + M = 1 N g 1 N = = = 0, 085 όπου λ~x 2 με (G 1)=3 βαθμούς ελευθερίας=7.815 Επειδή λ = > , η Η 0 απορρίπτεται. Άρα υπάρχει ετεροσκεδαστικότητα. Χ Ν g Υ

16 β. Συντελεστής συσχέτισης Spearman O συντελεστής συσχέτισης κατά τάξεις του Spearman δίνεται από τον τύπο: r ux = 1 6 i=1 T d i 2 T(T 2 1) όπου το d i παριστάνει τις διαφορές των τάξεων των καταλοίπων και των αντίστοιχων τιμών της ερμηνευτικής μεταβλητής. Για τον καθορισμό της τάξης, δεν λαμβάνεται υπόψη το πρόσημο των καταλοίπων. Η Η 0 : δεν υπάρχει ετεροσκεδαστικότητα, ισοδυναμεί με την Η 0 : ο συντελεστής συσχέτισης κατά τάξεις είναι μηδέν. 16

17 Για μεγάλα δείγματα (T 30), η Η 0 απορρίπτεται αν Z > Z a/2, όπου Z = r ux Τ 1 Για μικρά δείγματα (T < 30), η Η 0 απορρίπτεται αν D T < D a,t και r ux > 0 ή D T < Τ(T2 1) 3 D a,t και r ux < 0 όπου D a,t κριτική τιμή που δίνεται από πίνακες και D T = T i=1 d i 2 17

18 Παράδειγμα 2 Στον παρακάτω πίνακα δίνονται οι μεταβλητές αποταμίευση (Υ) και εισόδημα (Χ) για τα έτη Έτος Υ Χ Έτος Υ Χ Έτος Υ Χ

19 Η γραμμή παλινδρόμησης του δείγματος είναι: Y t = X t οπότε τα κατάλοιπα θα υπολογιστούν ως: για κάθε t = 1,.., 22. u t = Y t Y t = Y t ( X t ) Δημιουργούμε έναν πίνακα με τις τιμές και τις τάξεις των X t και u t, καθώς και τις διαφορές των τάξεων. Όταν λέμε τάξη, εννοούμε την θέση που βρίσκεται μια τιμή μιας μεταβλητής, αν βάλουμε σε αύξουσα σειρά τις παρατηρήσεις της. 19

20 Χ u t Τάξεις των Χ Τάξεις των u t Διαφορές d O συντελεστής συσχέτισης κατά τάξεις του Spearman είναι: T d i 2 r ux = 1 6 i=1 T T = = Μικρό δείγμα T = 22 < 30 T D 22 = i=1 d 2 i = 634 D a,t = 1132 (από πίνακα) Επειδή D a,t > D 22 και r ux > 0 απορρίπτεται η Η 0. Άρα υπάρχει ετεροσκεδαστικότητα. 20

21 γ. Ο έλεγχος των Goldfeld-Quandt Ο έλεγχος των Goldfeld-Quandt γίνεται ως εξής: Κατατάσσουμε τις παρατηρήσεις σύμφωνα με την τάξη μεγέθους των τιμών μιας μεταβλητής (συνήθως μιας ερμηνευτικής). Επιλέγουμε αυθαίρετα, C κεντρικές παρατηρήσεις, τις οποίες παραλείπουμε. Συνήθως το C ισούται με το ¼ του αρχικού πλήθους παρατηρήσεων. Το δείγμα χωρίζεται σε δύο ομάδες. Η πρώτη περιλαμβάνει τις πρώτες Τ C /2 χαμηλές τιμές της ερμηνευτικής μεταβλητής και η δεύτερη τις Τ C /2 υπόλοιπες υψηλές τιμές της. Εφαρμόζουμε την μέθοδο ελαχίστων τετραγώνων και εκτιμάμε το υπόδειγμα χωριστά με τις παρατηρήσεις κάθε μιας από τις ομάδες. 21

22 Έστω u 2 1 το άθροισμα των τετραγώνων των καταλοίπων από την πρώτη παλινδρόμηση και u 2 2 αντίστοιχα από την δεύτερη. Η u 2 2 στατιστική u2 όταν η υπόθεση της ομοσκεδαστικότητας είναι 1 σωστή, ακολουθεί την κατανομή F με ν 1 και ν 2 βαθμούς ελευθερίας, όπου ν 1 = ν 2 = Τ C (K + 1). 2 Όταν ισχύει η Η 0 : δεν υπάρχει ετεροσκεδαστικότητα, τα u 1 2, u 2 2 δεν διαφέρουν σημαντικά. Αντίθετα, αν δεν ισχύει η Η 0, θα διαφέρουν ( u 2 2 μεγαλύτερο από το u 1 2 ). Η Η 0 απορρίπτεται για μεγάλες τιμές της F. 22

23 Παράδειγμα 3 Για τα δεδομένα του Παραδείγματος 2, να εφαρμόσετε τον έλεγχο των Goldfeld-Quandt και να εξετάσετε την ύπαρξη ετεροσκεδαστικότητας. Έτος Υ Χ Έτος Υ Χ Έτος Υ Χ

24 Ταξινομούμε τις παρατηρήσεις με βάση την τάξη μεγέθους της (Χ) και παραλείπουμε τις έξι κεντρικές παρατηρήσεις, οπότε προκύπτουν δύο ομάδες των 8 παρατηρήσεων. 1 η ομάδα 1η ομάδα 2η ομάδα Y 1t = X t R 2 = , u 2 1 = Υ Χ Υ Χ η ομάδα Y 2t = X t R 2 = , u 2 2 = Επομένως F = u 2 2 u2 = = > = F ν1,ν 2,α = F 6,6,0.05 Η Η 0 απορρίπτεται 24

25 δ. Ο έλεγχος των Breusch-Pagan-Godfrey (ΒΡG) Για τον έλεγχο αυτό, δεν απαιτείται η ταξινόμηση των παρατηρήσεων της ανεξάρτητης μεταβλητής ανά τάξη μεγέθους, όπως ο έλεγχος των Goldfeld-Quandt. Εφαρμόζεται και σε περιπτώσεις όπου το πρόβλημα της ετεροσκεδαστικότητας οφείλεται σε περισσότερες από μια ερμηνευτικές μεταβλητές. Ο έλεγχος Breusch-Pagan-Godfrey γίνεται ως εξής: Εκτιμούμε το πολλαπλό γραμμικό υπόδειγμα με την μέθοδο των ελαχίστων τετραγώνων και σώζουμε τα κατάλοιπα και την διακύμανση του διαταρακτικού όρου σ 2 = Εκτιμάται μια βοηθητική παλινδρόμηση όπου θεωρούμε ότι η διακύμανση των διαταρακτικών όρων δίνεται ως συνάρτηση των μη u2 Τ. 25

26 στοχαστικών μεταβλητών Z 1,, Z m : u t 2 σ 2 = a 0 + a 1 Z 1t + + a m Z mt + ε t Οι Z 1,, Z m είναι γνωστές (συνήθως αναζητούνται ανάμεσα στις ερμηνευτικές μεταβλητές του υποδείγματος). Υπολογίζεται το άθροισμα των τετραγώνων της βοηθητικής παλινδρόμησης (SSR). Όταν η στατιστική SSR 2 ετεροσκεδαστικότητα. H H 0 απορρίπτεται αν SSR 2 παίρνει χαμηλές τιμές, τότε δεν υπάρχει < Χ2 με m βαθμούς ελευθερίας. 26

27 Παράδειγμα 4 Για τα δεδομένα του Παραδείγματος 2, να εφαρμόσετε τον έλεγχο των Breusch-Pagan-Godfrey και να εξετάσετε την ύπαρξη ετεροσκεδαστικότητας. Έτος Υ Χ Έτος Υ Χ Έτος Υ Χ

28 Αρχικά, βρίσκουμε το γραμμικό υπόδειγμα παλινδρόμησης με την μέθοδο ελαχίστων τετραγώνων. Έπειτα επιλέγουμε: View Residuals Diagnostics Heteroscedasticity Tests και επιλέγουμε στο Test Type : Breusch-Pagan-Godfrey 28

29 Με βάση την κατανομή Χ 2, η Η 0 απορρίπτεται διότι Prob. = < Ομοίως με βάση την κατανομή F, η Η 0 απορρίπτεται διότι Prob. = < Άρα υπάρχει ετεροσκεδαστικότητα. 29

30 ε. Ο έλεγχος του White Ο έλεγχος αυτός βασίζεται στα κατάλοιπα, αλλά δεν έχει περιορισμός όπως ότι τα κατάλοιπα πρέπει να είναι κανονικά κατανεμημένα (όπως στον έλεγχο Breusch-Pagan-Godfrey) ούτε και την αυθαίρετη εξαίρεση κεντρικών τιμών των μεταβλητών (όπως στον έλεγχο Goldfeld-Quandt). Επίσης, δεν προϋποθέτει τον καθορισμό των μεταβλητών που ευθύνονται για την ετεροσκεδαστικότητα. Ο έλεγχος του White, στην περίπτωση δύο ερμηνευτικών μεταβλητών: Εκτιμούμε το πολλαπλό γραμμικό υπόδειγμα Υ t = β 0 + β 1 Χ 1t + β 2 Χ 2t + u t με την μέθοδο των ελαχίστων τετραγώνων και σώζουμε τα κατάλοιπα u t. 30

31 Εκτιμούμε την παρακάτω βοηθητική παλινδρόμηση με την μέθοδο των ελαχίστων τετραγώνων u 2 t = α 0 + α 1 Χ 1t + α 2 Χ 2t + α 3 X 2 1t + α 4 X 2 2t + α 5 Χ 1t Χ 2t + v t και παίρνουμε τον συντελεστή προσδιορισμού R 2. Υπολογίζουμε την στατιστική του White ως εξής: W = nr 2, όπου n το μέγεθος του δείγματος. Η στατιστική W ακολουθεί ασυμπτωτικά την Χ 2 κατανομή με Κ = 5 βαθμούς ελευθερίας, όπου Κ είναι το πλήθος των ερμηνευτικών μεταβλητών στην βοηθητική παλινδρόμηση. Η Η 0 : α 0 = α 1 = α 2 = α 3 = α 4 = α 5 = 0 (δεν υπάρχει ετεροσκεδαστικότητα), απορρίπτεται αν W > Χ 2 (α, 5). 31

32 Αν απορριφθεί η υπόθεση της ομοσκεδαστικότητας, δεν συνάγεται η μορφή της ετεροσκεδαστικότητας ώστε να γίνει και η ανάλογη διόρθωση. Επίσης, στην βοηθητική παλινδρόμηση έχουμε μεγάλο αριθμό ανεξάρτητων μεταβλητών, με αποτέλεσμα να χάνονται πολλοί βαθμοί ελευθερίας. 32

33 Παράδειγμα 5 Για τα δεδομένα του Παραδείγματος 2, να εφαρμόσετε τον έλεγχο του White και να εξετάσετε την ύπαρξη ετεροσκεδαστικότητας. Έτος Υ Χ Έτος Υ Χ Έτος Υ Χ

34 Αρχικά, βρίσκουμε το γραμμικό υπόδειγμα παλινδρόμησης με την μέθοδο ελαχίστων τετραγώνων. Έπειτα επιλέγουμε: View Residuals Diagnostics Heteroscedasticity Tests και επιλέγουμε στο Test Type : White 34

35 Με βάση την κατανομή Χ 2, η Η 0 απορρίπτεται διότι Prob. = < Ομοίως με βάση την κατανομή F, η Η 0 απορρίπτεται διότι Prob. = < Άρα υπάρχει ετεροσκεδαστικότητα. 35

36 5. Εκτίμηση υποδείγματος όταν υπάρχει ετεροσκεδαστικότητα Η σωστή κατασκευή ενός οικονομετρικού υποδείγματος είναι το σημαντικότερο στάδιο της οικονομετρικής μεθοδολογίας. Έστω ότι πρόκειται να εκτιμήσουμε το παρακάτω απλό γραμμικό υπόδειγμα: Υ t = β 0 + β 1 Χ 1t + ε t Η εκτίμηση του παραπάνω υποδείγματος πιθανώς να δείξει ετεροσκεδαστικότητα στα κατάλοιπα, επειδή ορισμένες σημαντικές ερμηνευτικές μεταβλητές δεν συμπεριλαμβάνονται στο υπόδειγμα που εκτιμήθηκε. Η διόρθωση της ετεροσκεδαστικής συμπεριφοράς μπορεί να επιτευχθεί με την εκτίμηση ενός υποδείγματος που συμπεριλαμβάνει κάποιες επιπλέον μακροοικονομικές ερμηνευτικές μεταβλητές ως εξής: Υ t = β 0 + β 1 Χ 1t + β 2 Χ 2t + β 3 Χ 3t + ε t 36

37 Το υπόδειγμα αυτό είναι πιο αντιπροσωπευτικό διότι αντιμετωπίζει καλύτερα την οικονομική πραγματικότητα. Παρόλο που μπορεί το υπόδειγμα αυτό να έχει κατασκευαστεί σωστά, μπορεί πάλι να παρατηρηθεί ετεροσκεδαστικότητα στον διαταρακτικό όρο. Η αποτελεσματική τεχνική για την διόρθωση της ετεροσκεδαστικότητας εξαρτάται από το κατά πόσο είναι γνωστή η διακύμανση του διαταρακτικού όρου. 37

38 Α. Εκτίμηση του υποδείγματος όταν υπαρχει ετεροσκεδαστικότητα και είναι γνωστή η διακύμανση του διαταρακτικού όρου Έστω ότι θέλουμε να εκτιμήσουμε το υπόδειγμα Υ t = β 0 + β 1 Χ 1t + β 2 Χ 2t + ε t όπου ο διαταρακτικός όρος ε t είναι ετεροσκεδαστικός με Var(ε t ) = σ t 2. Με την σταθμική μέθοδο των ελαχίστων τετραγώνων, μετασχηματίζουμε τον διαταρακτικό όρο, ώστε να γίνει ομοσκεδαστικός. Διαιρούμε τα μέλη του υποδείγματος με σ t και έχουμε: Y t σ t = β 0 σ t + β 1 Χ 1t σ t + β 2 Χ 2t σ t + ε t σ t ή Y t = β 0 X 0t + β 1 X 1t + β 2 X 2t + ε t 38

39 Στο υπόδειγμα αυτό τα κατάλοιπα ε t είναι ομοσκεδαστικά με διακύμανση σταθερή και ίση με 1. Άρα μπορούμε να εφαρμόσουμε την μέθοδο ελαχίστων τετραγώνων και να εκτιμήσουμε τους συντελεστές του υποδείγματος. 39

40 Β. Εκτίμηση του υποδείγματος όταν υπαρχει ετεροσκεδαστικότητα και είναι άγνωστη η διακύμανση του διαταρακτικού όρου Στην περίπτωση αυτή, γίνεται μια υπόθεση σχετικά με το είδος της ετεροσκεδαστικότητας του διαταρακτικού όρου και στην συνέχεια εφαρμόζεται μια μέθοδος διόρθωσης της. π.χ. Έστω ότι η ετεροσκεδαστικότητα των καταλοίπων του υποδείγματος Υ t = β 0 + β 1 Χ 1t + β 2 Χ 2t + ε t οφείλεται στην συσχέτιση μεταξύ του διαταρακτικού όρου ε t και της μεταβλητής Χ 2t. Άρα θα ισχύει: Var(ε t ) = δχ 2t, δ: σταθερά. Η σχέση αυτή μας δίνει την δυνατότητα να θεωρήσουμε γνωστή την διακύμανση του διαταρακτικού όρου. Αν διαιρέσουμε τα μέρη του υποδείγματος με την τετραγωνική ρίζα της Χ 2t 40

41 θα έχουμε (σταθμική μέθοδος ελαχίστων τετραγώνων): Y t X 2t = β 0 X 2t + β 1 Χ 1t X 2t + β 2 Χ 2t X 2t + ε t X 2t ή Y t = β 0 X 0t + β 1 X 1t + β 2 X 2t + ε t Στο υπόδειγμα αυτό ο διαταρακτικός όρος είναι ομοσκεδαστικός και μπορούμε να εφαρμόσουμε την μέθοδο ελαχίστων τετραγώνων και να εκτιμήσουμε τους συντελεστές του υποδείγματος. 41

42 Γ. Εκτίμηση του υποδείγματος όταν υποθέτουμε την μορφή της ετεροσκεδαστικότητας Έστω ότι η διακύμανση του διαταρακτικού όρου είναι συνάρτηση μιας μεταβλητής Z t που δεν είναι στοχαστική. Η συνάρτηση f(z t ) μπορεί να πάρει διάφορες μορφές, άρα και η διακύμανση του διαταρακτικού όρου. Εφόσον η διακύμανση είναι πάντα θετική, θα πρέπει η συνάρτηση f(z t ) να είναι μεγαλύτερη του μηδενός για όλες τις τιμές της μεταβλητής Z t. Κάποιες μορφές που πιθανόν μπορεί να πάρει η διακύμανση του διαταρακτικού όρου: 42

43 α. Η διακύμανση είναι ανάλογη της Χ 2 (Διαιρούμε με Χ τα μέλη του υποδείγματος) σ 2 0 Χ 43

44 β. Η διακύμανση είναι ανάλογη της Χ (Διαιρούμε με την τετραγωνική ρίζα της Χ τα μέλη του υποδείγματος) σ 2 0 Χ 44

45 γ. Η διακύμανση είναι ανάλογη του τετραγώνου του μέσου της Υ (Διαιρούμε με τον μέσο της Υ, δηλ. με Ε(Υ)) ε 2 0 Υ 45

46 Παράδειγμα 6 Για τα δεδομένα του Παραδείγματος 2, να εκτιμήσετε το υπόδειγμα αν γνωρίζετε ότι η διακύμανση του διαταρακτικού όρου είναι ανάλογη της Χ 2. Έτος Υ Χ Έτος Υ Χ Έτος Υ Χ

47 Η γραμμή παλινδρόμησης του δείγματος, αν υποθέσουμε ότι δεν υπάρχει ετεροσκεδαστικότητα, είναι: Y t = X t Υποθέτουμε ότι υπάρχει ετεροσκεδαστικότητα, και η διακύμανση του διαταρακτικού όρου είναι ανάλογη της Χ 2. Στην περίπτωση αυτή, το μετασχηματισμένο υπόδειγμα που πρέπει να χρησιμοποιήσουμε προκύπτει αν διαιρέσουμε τα μέλη του αρχικού απλού γραμμικού υποδείγματος με Χ: Υ t = β 0 + β 1 Χ t + ε t Y t Χ t = β 0 Χ t + β 1 + ε t Χ t 47

48 Y t 1 = β Χ 1 + β 0 + ε t t Χ t Χ t ή όπου Y t = Y t Χ t β 0 = β 1 β 1 = β 0 X t = 1 Χ t ε t = ε t Χ t Y t = β 0 + β 1 X t + ε t Το υπόδειγμα που εκτιμάμε με την μέθοδο ελαχίστων τετραγώνων είναι: Y t = X t Επομένως, η συνάρτηση αποταμιεύσεως που προκύπτει αν μετασχηματίσουμε τις μεταβλητές είναι: Y t = Χ t 48

49 Βιβλιογραφία Χρήστου Κ. Γεώργιος (2007) Εισαγωγή στην Οικονομετρία, Τόμος 1, Εκδότης: Γ. ΔΑΡΔΑΝΟΣ - Κ. ΔΑΡΔΑΝΟΣ Ο.Ε. Stock H. James, Watson W. Mark, επιμέλεια Πραγγίδης Ιωάννης - Χρυσόστομος (2017) Εισαγωγή στην Οικονομετρία, Εκδότης: Γ. ΔΑΡΔΑΝΟΣ - Κ. ΔΑΡΔΑΝΟΣ Ο.Ε. Χρήστου Κ. Γεώργιος (2006) Εισαγωγή στην Οικονομετρία Ασκήσεις, Εκδόσεις Gutenberg. Δριτσάκη Ν. Χάιδω, Δριτσάκη Ν. Μελίνα (2013) Εισαγωγή στην Οικονομετρία με τη Χρήση του Λογισμικού EViews, Κλειδάριθμος ΕΠΕ Εκδόσεις. 49