Автокорреляция остатков
Проверим выполнение условия 3 Гаусса–Маркова.
Условие 3 Гаусса–Маркова требует независимости значенийслучайной переменной в любом наблюдении от ее значений во всех других наблюдениях. Если данное условие не выполняется, то говорят, что случайная переменная подвержена автокорреляции. В этом случае коэффициенты регрессии, получаемые по МНК, оказываются неэффективными, хотяи несмещенными, а их стандартные ошибки рассчитываются некорректно (занижаются).
Существуют несколько методов определения автокорреляции остатков, два из которых приведены ниже.
Первый метод – это построение графика зависимостей остатков от номера наблюдений и визуальное определение наличия автокорреляции остатков (рисунок 6).
   
а) б) в) г)
Рисунок 6 – Модели зависимости остатков от номера наблюдения: случайные остатки (а); наличие зависимости в остатках (б, в, г)
Второй метод – проверка гипотезы об отсутствии автокорреляции остатков с помощью критерия Дарбина–Уот- сона, т. е.
наблюдаемое значение которого рассчитывается как отношение суммы квадратов разностей последовательных значений остатков к сумме квадратов остатков.
Это же значение критерия может быть вычислено по формуле
где  =  – коэффициент автокорреляции первого порядка,  
Альтернативные гипотезы – гипотезы о наличии положительной или отрицательной автокорреляции в остатках.
Если автокорреляция отсутствует, то  = 0 и значение статистики d » 2. При положительной автокорреляции >0 и  а при отрицательной – < 0 и  Следовательно, 
Однако существуют области неопределенности, связанные с тем, что распределение статистики Дарбина–Уотсона зависит не только от числа наблюдений и числа объясняющих переменных, но и от значений объясняющих переменных. В этом случае используются другие способы проверки (например, визуальный и др.).
По таблице, фрагмент которой приведен в таблице 12, определяются критические значения критерия Дарбина–Уотсона d1 и d2 для заданного числа наблюдений n, числа объясняющих переменных k и заданного уровня значимости 0,05.
Таблица 12 – Статистика Дарбина–Уотсона: d1 и d2 при уровне значимости 5% (фрагмент таблицы)
По этим значениям отрезок [0; 4] разбивается на пять областей (рисунок 7).
0 Рисунок 7 – Критические области статистики Дарбина–Уотсона
В зависимости от того, в какую область попадает наблюдаемое значение критерия, принимают или отвергают гипотезу. | |||||||||||||||||||||||||||||||||||||||||||||
4 – На листе «Регрессия»в ячейках D23:E47получены данные для проверки условия 3. В ячейке E47 рассчитано наблюдаемое значение d-статистики: dнабл = 1,26. По таблице критических значений d-ста-
тистики для числа наблюдений 20, числа объясняющих переменных 1 и заданного уровня значимости 0,05 значения d1 = 1,20 и d2 = 1,41 (таблица 12), которые отрезок [0; 4] разбивает на пять областей (рисунок 8).
| Положительная автокорреляция | Область неопределенности | Автокорреляция отсутствует | Область неопределенности | Отрицательная автокорреляция |
0 1,20 1,41 2,59 2,80 4
Рисунок 8 – Критические области статистики Дарбина–Уотсона
Так как 1,20 < dнабл = 1,26 < 1,41, т. е. наблюдаемое значение попало в область неопределенности, то ничего нельзя сказать о наличии автокорреляции, используя критерий Дарбина–Уотсона. В этом случае воспользуемся визуальным способом.
Визуально наличие автокорреляции остатков можно определить по графику зависимости остатков от номера наблюдения. Так как каждому номеру наблюдения соответствует определенное значение независимого фактора, то можно анализировать зависимость остатков от этого фактора. Эта зависимость представлена на графике «ВВП График остатков» листа «Регрессия»(рисунок 9).
|
|
Рисунок 9 – График остатков
Так как на графике остатков (рисунок 9) точки разбросаны вдоль оси Ox хаотично без видимой закономерности (сравните, например, с рисунком 6), то зависимости между остатками не наблюдается, ковариация остатков равна нулю. Поэтому условие 3 выполняется.