Шрифт:
В опции ESTIMATION SETTINGS (ПАРАМЕТРЫ ОЦЕНИВАЕМОЙ МОДЕЛИ) есть еще одно мини-окно — SAMPLE (ВЫБОРКА), в котором по умолчанию указывается либо общее количество наблюдений, либо период наблюдения. В данном случае в мини-окне SAMPLE появилась надпись: 1992М06 2010М05, что означает, что наша выборка содержит ежемесячные данные за период с июня 1992 г. по май 2010 г.
Особенно внимательным следует быть при заполнении миниокна EQUATION SPECIFICATION (СПЕЦИФИКАЦИЯ УРАВНЕНИЯ), в котором нужно написать латиницей название зависимой переменной (ее в списке всегда пишут первой слева) и независимых переменных, а также — в случае необходимости — константу (свободный член уравнения), обозначаемую латинской буквой с.
В нашем случае мини-окно EQUATION SPECIFICATION заполняется следующим образом:
USDollar USDollar(-l) USDollar(-2) с, (3.14)
где USDollar — зависимая переменная, курс доллара США;
USDollar(-1) — независимая переменная, курс доллара США с лагом в один месяц;
USDollar(-2) — независимая переменная, курс доллара США с лагом в два месяца;
с — свободный член (константа).
Мини-окно EQUATION SPECIFICATION легко заполнить, если воспользоваться уравнением авторегрессии (3.13). При этом нужно сделать следующее: во-первых, убрать буквенные обозначения коэффициентов регрессии, но оставить константу с; во-вторых, вместо Yt поставить соответствующее название зависимой переменной — USDollar, а для факторных (независимых) переменных Yt– 1 и Yt_2 в скобках еще и добавить соответствующую цифру лага со знаком минус.
Если вспомнить, что формула (3.14) фактически означает уравнение авторегрессии 2-го порядка со свободным членом, то миниокно EQUATION SPECIFICATION можно заполнить другой, более краткой, но вполне равнозначной формулой:
USDollar AR(1) AR(2) с, (3.15)
где USDollar — зависимая переменная;
AR(1) — авторегрессия 1-го порядка, или USDollar(-l);
AR(2) — авторегрессия 2-го порядка, или USDollar(-2).
Итак, все опции, необходимые для решения уравнения авторегрессии, установлены. Далее щелкаем кнопку ОК в окне EQUATION ESTIMATION. В результате чего получаем данные с параметрами уравнения авторегрессии, которые мы поместили в табл. 3.3. При этом не стоит удивляться тому, что после соответствующей корректировки количество наблюдений у нас сократилось с 215 до 213. Это обусловлено тем, что при создании факторных переменных с лагом в один и в два месяца мы потеряли два наблюдения. В результате теперь наша скорректированная выборка охватывает период не с июня 1992 г., а с августа 1992 г. по апрель 2010 г.
Чтобы нашему читателю было легче понять содержащиеся в табл. 3.3 англоязычные термины, они даются вместе с параллельным переводом в скобках. Если сравнить табл. 3.3 с выводом итогов, полученным после решения этого же уравнения авторегрессии в Excel (см. табл. 3.2), то можно прийти к выводу о тождественности большей части информации, имеющейся в обеих таблицах. Следует также заметить, что как в программе Excel, так и в EViews мы смогли получить коэффициенты уравнения регрессии с одинаковым уровнем точности.
3.6. Интерпретация параметров уравнения авторегрессии в EViews
Какой статистический смысл имеют те или иные параметры уравнения регрессии при выводе итогов в Excel, уже говорилось в главе 1 книги. Однако при выводе итогов в EViews мы получаем новую информацию о других важных параметрах уравнения регрессии, которых нет при выводе итогов в Excel. Чтобы обратить внимание читателя на эти дополнительные параметры, мы выделили их жирным шрифтом в табл. 3.3. Познакомимся со статистическим смыслом этих еще не изученных нами дополнительных параметров уравнения регрессии.
1. В таблице 3.3 среди пока неизвестных нам параметров уравнения регрессии можно назвать такой важный показатель, как LOG LIKELIHOOD (ЛОГАРИФМ МАКСИМАЛЬНОГО ПРАВДОПОДОБИЯ), который используется в качестве критерия для отбора наиболее адекватных уравнений регрессии. Чем выше логарифм максимального правдоподобия, тем более адекватным считается уравнение регрессии. При этом логарифм максимального правдоподобия находится по следующей формуле:
где Т — количество наблюдений;
е — отклонение (остатки) прогноза от фактического курса доллара;
— число пи, равное 3,141593…
В нашем случае логарифм максимального правдоподобия имеет следующее значение:
2. Следующим еще не изученным нами параметром уравнения регрессии является DURBIN-WATSON STAT (КРИТЕРИЙ ДАРЬИНА — УОТСОНА), который является тестом на наличие автокорреляции в остатках. Как мы уже говорили, при наличии автокорреляции в остатках оценки коэффициентов уравнения регрессии нельзя назвать состоятельными и эффективными. При этом критерий Дарбина — Уотсона находится следующим образом: