A Newey–West estimator is used in statistics and econometrics to provide an estimate of the covariance matrix of the parameters of a regression-type model where the standard assumptions of regression analysis do not apply. It was devised by Whitney K. Newey and Kenneth D. West in 1987, although there are a number of later variants. The estimator is used to try to overcome autocorrelation (also called serial correlation), and heteroskedasticity in the error terms in the models, often for regressions applied to time series data. The abbreviation "HAC," sometimes used for the estimator, stands for "heteroskedasticity and autocorrelation consistent." There are a number of HAC estimators described in, and HAC estimator does not refer uniquely to Newey-West. One version of Newey-West Bartlett re
| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:label
| - Estimador de Newey-West (es)
- Stimatore di Newey-West (it)
- Newey–West estimator (en)
- Estimador de Newey-West (pt)
- Стандартные ошибки в форме Ньюи-Уеста (ru)
|
| rdfs:comment
| - 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). (ru)
- El estimador de Newey-West se utiliza en las estadísticas y en econometría para proporcionar una estimación de la matriz de covarianza de los parámetros de un modelo de regresión cuando este modelo se aplica en situaciones en las que no son válidas las suposiciones estándar del análisis de regresión. Fue ideado por Whitney K. Newey y Kenneth D. West en 1987, aunque existen variantes posteriores. El estimador se utiliza para tratar de superar autocorrelación, o correlación , y heteroscedasticidad en los términos de error en los modelos. Esto a menudo se utiliza para corregir los efectos de la correlación de los términos de error en las regresiones aplicadas a las series temporales de datos. (es)
- A Newey–West estimator is used in statistics and econometrics to provide an estimate of the covariance matrix of the parameters of a regression-type model where the standard assumptions of regression analysis do not apply. It was devised by Whitney K. Newey and Kenneth D. West in 1987, although there are a number of later variants. The estimator is used to try to overcome autocorrelation (also called serial correlation), and heteroskedasticity in the error terms in the models, often for regressions applied to time series data. The abbreviation "HAC," sometimes used for the estimator, stands for "heteroskedasticity and autocorrelation consistent." There are a number of HAC estimators described in, and HAC estimator does not refer uniquely to Newey-West. One version of Newey-West Bartlett re (en)
- Nella statistica e nell'econometria, lo stimatore di Newey-West è un'approssimazione della matrice delle covarianze, utilizzato in quei casi reali per i quali le ipotesi standard della regressione lineare risultino inapplicabili (o non applicabili in modo statisticamente efficiente). Fu proposto per la prima volta nel 1987 dagli economisti statunitensi Whitney K. Newey e Kenneth D. West, cui seguirono numerose varianti. È impiegato per eliminare l'autocorrelazione dei dati osservati e l'eteroschedasticità delle deviazioni del modello rispetto al valore reale della popolazione di riferimento. (it)
- O estimador de Newey-West utiliza-se nas estatísticas e econometria para proporcionar uma estimativa da matriz de covariância dos parâmetros de um tipo de regressão do modelo quando se aplica este modelo em situações nas que a hipótese regular de análise de regressão não se aplicam. Foi desenvolvido em 1987 por K. Whitney Newey e Kenneth D. West, ainda que há um número de variantes posteriores. O estimador utiliza-se para tratar de superar autocorrelação, ou correlação , e heteroscedasticidade nos termos de erro nos modelos. Isto com frequência se utiliza para corrigir os efeitos da correlação dos termos de erro nas regressões aplicadas às séries temporárias de dados. (pt)
|
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| Link from a Wikipage to an external page
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - El estimador de Newey-West se utiliza en las estadísticas y en econometría para proporcionar una estimación de la matriz de covarianza de los parámetros de un modelo de regresión cuando este modelo se aplica en situaciones en las que no son válidas las suposiciones estándar del análisis de regresión. Fue ideado por Whitney K. Newey y Kenneth D. West en 1987, aunque existen variantes posteriores. El estimador se utiliza para tratar de superar autocorrelación, o correlación , y heteroscedasticidad en los términos de error en los modelos. Esto a menudo se utiliza para corregir los efectos de la correlación de los términos de error en las regresiones aplicadas a las series temporales de datos. El problema en la autocorrelación, a menudo se encuentran en los datos de series de tiempo, es que los términos de error están correlacionadas con el tiempo. Esto se puede demostrar en , Una matriz de sumas de cuadrados y productos cruzados que implica y las filas de . El estimador de mínimos cuadrados es una constante estimador de . Esto implica que los mínimos cuadrados residuales son las "punto-sabios" estimadores consistentes de sus homólogos de población . El enfoque general, a continuación, será el uso de y diseñar un estimador de . Lo que esto significa es que a medida que el tiempo entre los términos de error aumenta, la correlación entre los términos de error disminuye. El estimador por lo tanto se puede utilizar para mejorar los mínimos cuadrados ordinarios (MCO) de regresión cuando las variables tienen heterocedasticidad o autocorrelación. se puede considerar como el `peso'. Las perturbaciones que están más lejos entre sí tienen menos peso, mientras que las que tienen los mismos subíndices tienen un peso de 1. Esto asegura que el segundo término converge (en algún sentido apropiado) a la matriz finita. (es)
- A Newey–West estimator is used in statistics and econometrics to provide an estimate of the covariance matrix of the parameters of a regression-type model where the standard assumptions of regression analysis do not apply. It was devised by Whitney K. Newey and Kenneth D. West in 1987, although there are a number of later variants. The estimator is used to try to overcome autocorrelation (also called serial correlation), and heteroskedasticity in the error terms in the models, often for regressions applied to time series data. The abbreviation "HAC," sometimes used for the estimator, stands for "heteroskedasticity and autocorrelation consistent." There are a number of HAC estimators described in, and HAC estimator does not refer uniquely to Newey-West. One version of Newey-West Bartlett requires the user to specify the bandwidth and usage of the Bartlett Kernel from Kernel density estimation Regression models estimated with time series data often exhibit autocorrelation; that is, the error terms are correlated over time. The heteroscedastic consistent estimator of the error covariance is constructed from a term , where is the design matrix for the regression problem and is the covariance matrix of the residuals. The least squares estimator is a consistent estimator of . This implies that the least squares residuals are "point-wise" consistent estimators of their population counterparts . The general approach, then, will be to use and to devise an estimator of . This means that as the time between error terms increases, the correlation between the error terms decreases. The estimator thus can be used to improve the ordinary least squares (OLS) regression when the residuals are heteroskedastic and/or autocorrelated. where T is the sample size, is the residual and is the row of the design matrix, and is the Bartlett Kernel and can be thought of as a weight that decreases with increasing separation between samples. Disturbances that are farther apart from each other are given lower weight, while those with equal subscripts are given a weight of 1. This ensures that second term converges (in some appropriate sense) to a finite matrix. This weighting scheme also ensures that the resulting covariance matrix is positive semi-definite. L=0 reduces the Newy-West estimator to Huber–White standard error. L specifies the "maximum lag considered for the control of autocorrelation. A common choice for L" is . (en)
- Nella statistica e nell'econometria, lo stimatore di Newey-West è un'approssimazione della matrice delle covarianze, utilizzato in quei casi reali per i quali le ipotesi standard della regressione lineare risultino inapplicabili (o non applicabili in modo statisticamente efficiente). Fu proposto per la prima volta nel 1987 dagli economisti statunitensi Whitney K. Newey e Kenneth D. West, cui seguirono numerose varianti. È impiegato per eliminare l'autocorrelazione dei dati osservati e l'eteroschedasticità delle deviazioni del modello rispetto al valore reale della popolazione di riferimento. La formula (nota) è la seguente: Si dimostra che b è uno stimatore consistente di β, e di conseguenza i residui del metodo dei minimi quadrati sono stimatori consistenti dei corrispondenti nella popolazione di riferimento. Lo stimatore può essere calcolato con:
* il programma MATLAB, tramite il comando hac;
* Stata, tramite il comando newey;
* il programma open-source Gretl, tramite l'opzione --robust in combinazione con comandi quali ols, per l'analisi di una serie storica.;
* i pacchetti sandwich e plm dell'ambiente di sviluppo R;
* nell'ambiente di Python, dal modulo statsmodels. (it)
- O estimador de Newey-West utiliza-se nas estatísticas e econometria para proporcionar uma estimativa da matriz de covariância dos parâmetros de um tipo de regressão do modelo quando se aplica este modelo em situações nas que a hipótese regular de análise de regressão não se aplicam. Foi desenvolvido em 1987 por K. Whitney Newey e Kenneth D. West, ainda que há um número de variantes posteriores. O estimador utiliza-se para tratar de superar autocorrelação, ou correlação , e heteroscedasticidade nos termos de erro nos modelos. Isto com frequência se utiliza para corrigir os efeitos da correlação dos termos de erro nas regressões aplicadas às séries temporárias de dados. Isso pode ser demonstrado em , a matriz de somas dos quadrados que cruzam produtos que envolvem e as linhas de . O estimador com mínimos quadrados é um estimador consistente de . Isso implica que os residuais de mínimos quadrados são estimadores consistentes "em termos de pontos" das suas partes de população . A aproximação geral, vai ser utilizar e para gerar o estimador de . Isso quer dizer que o tempo entre termos de erros aumenta, a correlação entre erros o termos de erros reduz. O estimador pode assim ser utilizado para melhorar a regressão dos minímos quadrados ordinários (OLS) quando os residuais são heteroskedastic e/ou autocorrelacionados. pode ser considerado como o `peso'. Distúrbios que são mais distantes um do outro são dados menor peso, enquanto aqueles com índices iguais são dados um peso de 1. Isto garante que o segundo termo converge (em algum sentido apropriado) para uma matriz finita. Este sistema de ponderação garante igualmente que a matriz de covariância resultante é positivo semi-definitio. (pt)
- 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). (ru)
|
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
| is Wikipage redirect
of | |
| is contributions
of | |
| is foaf:primaryTopic
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)