Важной проблемой при оценивании регрессии является автокорреляция остатков в., которая говорит об отсутствии первоначально предполагавшейся их взаимной независимости. Автокорреляция остатков первого порядка, выявляемая с помощью статистики Дарби-на-Уотсона, говорит о неверной спецификации уравнения либо о наличии неучтенных факторов. Естественно, для её устранения нужно попытаться выбрать более адекватную формулу зависимости, отыскать и включить важные неучтенные факторы или уточнить период оценивания регрессии. В некоторых случаях, однако, это не даст результата, а отклонения е. просто связаны авторегрессионной зависимостью. Если это авторефессия первого порядка, то её формула имеет вид е.=ре , + и. (р - коэффициент авторефессии, р <1), и мы предполагаем, что остатки ut в этой формуле обладают нужными свойствами, в частности - взаимно независимы. Оценив р, введем новые переменные /,=>>, - pj>M х =х - рх., (это преобразование называется авторегрессионным (AR), или преобразованием Бокса-Дженкинса). Пусть мы оцениваем первоначально формулу линейной рефессии у.= а + bxt + er Тогда [c.361]
Важной проблемой при оценивании регрессии является автокорреляция остатков в., которая говорит об отсутствии первоначально предполагавшейся их взаимной независимости. Автокорреляция остатков первого порядка, выявляемая с помощью статистики Дарби-на-Уотсона, говорит о неверной спецификации уравнения либо о наличии неучтенных факторов. Естественно, для её устранения нужно попытаться выбрать более адекватную формулу зависимости, отыскать и включить важные неучтенные факторы или уточнить период оценивания регрессии. В некоторых случаях, однако, это не даст результата, а отклонения е. просто связаны авторегрессионной зависимостью. Если это авторефессия первого порядка, то её формула имеет вид е.=ре , + и. (р - коэффициент авторефессии, р <1), и мы предполагаем, что остатки ut в этой формуле обладают нужными свойствами, в частности - взаимно независимы. Оценив р, введем новые переменные /,=>>, - pj>M х =х - рх., (это преобразование называется авторегрессионным (AR), или преобразованием Бокса-Дженкинса). Пусть мы оцениваем первоначально формулу линейной рефессии у.= а + bxt + er Тогда [c.361]