Стандартные ошибки в форме Ньюи-Уеста или состоятельные при гетероскедастичности и автокорреляции стандартные ошибки (HAC s.e. — Heteroskedasticity and Autocorrelation consistent standard errors) — применяемая в эконометрике оценка ковариационной матрицы МНК-оценок (в частности и стандартных ошибок) параметров линейной модели регрессии, альтернативная стандартной (классической) оценке, которая состоятельна при гетероскедастичности и автокорреляции случайных ошибок модели (в отличие от несостоятельной в этом случае классической оценки и стандартных ошибок в форме Уайта).
Истинная ковариационная матрица МНК-оценок параметров линейной модели в общем случае равна:
где — ковариационная матрица случайных ошибок. В случае, если нет гетероскедастичности и автокорреляции (то есть когда ) формула упрощается
Поэтому для оценки ковариационной матрицы в классическом случае достаточно использовать оценку единственного параметра — дисперсии случайных ошибок: , которая, как можно доказать, является несмещенной и состоятельной оценкой. При наличии гетероскедастичности, но без автокорреляции, матрица V диагональна и вместо этих диагональных элементов можно использовать квадраты остатков и получить состоятельные оценки (стандартные ошибки в форме Уайта). В общем случае, кроме гетероскедастичности, может иметь место также и автокорреляция некоторого порядка. Следовательно, кроме диагональных элементов, необходимо оценить внедиагональные элементы, отстоящие от диагонали на L. Ньюи и Уест (Newey, West, 1987) показали, что состоятельными являются оценки следующего вида:
Данная оценка, как видно из формулы, зависит от выбранной «ширины окна» L и весовых коэффициентов . Простейший вариант выбора весов — выбрать их равными единице. Однако в этом случае не обеспечивается необходимая положительная определенность матрицы. Второй вариант — веса Бартлета . Однако более предпочтительным вариантом считаются веса Парзена:
Существует также проблема выбора «ширины окна» L. Обычно рекомендуется следующая оценка
Иногда приведенную формулу оценки ковариационной матрицы корректируют на множитель . Такая корректировка теоретически позволяет получить более точные оценки на малых выборках. В то же время на больших выборках (асимптотически) эти оценки эквивалентны.
Данная страница на сайте WikiSort.ru содержит текст со страницы сайта "Википедия".
Если Вы хотите её отредактировать, то можете сделать это на странице редактирования в Википедии.
Если сделанные Вами правки не будут кем-нибудь удалены, то через несколько дней они появятся на сайте WikiSort.ru .