27.07.2013 Views

En model for godstransportens udvikling - DCE - Nationalt Center for ...

En model for godstransportens udvikling - DCE - Nationalt Center for ...

En model for godstransportens udvikling - DCE - Nationalt Center for ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Bilag E Estimationsprocedurer – teori<br />

I dette bilag gennemgås en række af de estimationsprocedurer, der er<br />

anvendt i rapporten.<br />

I arbejdet med tidsserier er det naturligt at analysere de <strong>for</strong>skellige<br />

<strong>for</strong>mer <strong>for</strong> dynamiske sammenhænge nærmere. Udgangspunktet <strong>for</strong><br />

alle analyserne er principielt den helt simple sammenhæng<br />

y t =k+βx t +ε t , hvor y og x er hhv. afhængig (f.eks. handlefaktoren) og<br />

uafhængig variabel (f.eks. den vægtede produktionspris).<br />

Sammenhængen estimeres i de fleste situationer med simpel OLS<br />

(Ordinary Linear Regression). Et af kravene <strong>for</strong> at estimaterne fra disse<br />

regressioner kan anvendes er, at fejlleddene, ε, opfylder de såkaldte<br />

designkriterier, hvoraf de tre vigtigste er:<br />

Linearitet Ε[ ei ] = 0 ( 2 )<br />

Homoskedasticitet var( µ t ) = σ<br />

2<br />

Autokorrelation cov( µ t, µ s ) = 0 t ≠ s<br />

( 4 )<br />

Under disse tre betingelser kan fejlledene antages at være normal<strong>for</strong>-<br />

2<br />

delte e ~ N n ( o,<br />

σ I)<br />

. Ved anvendelse af OLS metoden skal altså laves<br />

en grundig analyse af fejlleddet, <strong>for</strong> at sikre at resultaterne er optimale.<br />

Det er nødvendigt at fejlledene opfylder disse betingelser <strong>for</strong> at<br />

der kan siges noget om <strong>for</strong>delingen og dermed at kunne anvende de<br />

relevante teststørrelser i sammenligning med de kritiske værdier <strong>for</strong><br />

de enkelte tests.<br />

OLS metoden lader sig dog påvirke <strong>for</strong>holdsvis meget af ekstremt<br />

afvigende datapunkter, så en e.v.t. påtænkt anvendt <strong>model</strong> må også<br />

gennemgå en analyse af disse <strong>for</strong> at undersøge <strong>model</strong>lens robusthed.<br />

Kontrollen af antagelsen om Linearitet <strong>for</strong>etages ved anvendelse af<br />

residualdiagram, hvor det undersøges om residualerne varierer uafhængigt<br />

af de enkelte <strong>for</strong>klarende variable omkring nul.<br />

Den anvendte test <strong>for</strong> autokorrelation er Durbin-Watson testet kombineret<br />

med er grafisk analyse, hvor residualerne er plottet mod tiden.<br />

Durbin-Watson testen anvender residualerne, ê , fra OLS estimationen<br />

til at udregne DW-teststørrelsen:<br />

222<br />

n<br />

n<br />

2<br />

Σ ( eˆ<br />

ˆ<br />

ˆ ˆ<br />

t − et−1<br />

) Σ et<br />

et−1<br />

t=<br />

2 t=<br />

2<br />

DW =<br />

≈ 2(<br />

1−<br />

) = 2(<br />

1−<br />

ρ)<br />

n<br />

n<br />

( 5 )<br />

2<br />

2<br />

Σ eˆ<br />

Σ eˆ<br />

t<br />

t=<br />

1<br />

t<br />

t=<br />

1<br />

Hvor ρ er lig første ordens autokorrelation mellem residualerne.<br />

Antagelsen om Homoskedasticitet er undersøgt ved et White test og en<br />

( 3 )

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!