Valitakse murdepunkt, mille korral F-statistiku väärtus suurim. Teststatistik on max F-statistiku väärtus QLR = max F ( T ). Leitakse 70% potentsiaalsete murdepunktide jaoks H0 Struktuurseid muutusi ei ole p > a H1 Struktuursed muutused esinevad 78) Rekursiivne hindamine ja CUSUM test: nullhüpotees ja sisukas hüpotees H0 Struktuurseid muutusi ei ole p > a H1 Struktuursed muutused esinevad, parameetrid ei ole konstantsed p < a 79) Mudeli spetsifikatsioonivigade liigitus Mudelis on mõni ebaoluline tunnus Mõni oluline tunnus on välja jäänud Mudeli funktsionaalne kuju on vale 80) Mis juhtub, kui mudelist on oluline tunnus välja jäänud? Nihkega on ainult nende tunnuste kordajad, mis on korrelatsioonis välja jäänud tunnusega. Kui esineb korrelatsioon teiste tunnuste vahel, siis parameetrite hinnangud NIHKEGA, ei ole mõjusad Kui korrelatsioon puudub on vale mudeli vabaliikme hinnang nihkega
Test annab õiged tulemused siis, kui murdepunkt on piisavalt kaugel vaadeldava perioodi algusest või lõpust. · Tavaliselt võetakse mõlemalt poolt 15%, st F-statistik leitakse 70% potentsiaalsete murdepunktide jaoks. · Kui võrreldakse korraga mitmeid F-statistiku väärtusi, ei saa kriitilise väärtuse leidmiseks kasutada F-jaotust. 67. Rekursiivne hindamine, CUSUM ja CUSUMSQ testid, nullhüpotees ja sisukas hüpotees. 68. Mudeli spetsifikatsioonivigade liigitus. 69. Mis juhtub, kui mudelist on oluline tunnus välja jäänud? Kui jätame välja olulise tunnuse hinnangud on nihkega hinnangud ei ole mõjusad hüpoteeside testimine annab valesid tulemusi prognoosid tulevad valed. 70. Mis juhtub, kui mudelis on sees mitteoluline tunnus? Kui toome sisse mitteolulise tunnuse hinnangud on nihketa hinnangud on mõjusad hinnangud ei ole efektiivsed hüpoteeside testimine võib anda valesid tulemusi. 71
Testimiseks Harvey-Collier statistik. H0 : struktuursed muutused puuduvad H1: esinevad struktuursed muutused, parameetrid pole konstantsed Märkus: teine test, CUSUMSQ test, on sobiv jääkliikmete dispersiooni testimiseks. Harvey-Collier p-value! Kui p>a, siis võetakse vastu H0: ei esine struktuurseid muutusi p<α), võetakse vastu sisukas hüpotees: mudel ona, siis võetakse vastu H1: esinevad struktuursed muutused Rekursiivne hindamine: valimi suurendamine 79. Mudeli spetsifikatsioonivigade liigitus. 1. Mudelis on mõni ebaoluline tunnus. 2. Mõni oluline tunnus on välja jäänud. 3. Mudeli funktsionaalne kuju on vale. 80. Mis juhtub, kui mudelist on oluline tunnus välja jäänud? Kui jätame välja olulise tunnuse: ● Nihkega on ainult nende tunnuste kordajad, mis on korrelatsioonis välja jäänud tunnusega. ● hinnangud ei ole mõjusad ● hüpoteeside testimine annab valesid tulemusi ● prognoosid tulevad valed.
annaabi.ee 
