Причината за автокорелация може да бъде или неправилна спецификация на модела, или присъствието на неотчетени фактори. Премахване на тези причини не винаги води до желаните резултати. Autocorrelation има свои вътрешни причини, свързани с зависимостта на автокорелацията.
Да предположим, че първоначалното регресионно уравнение съдържа автокорелацията на произволни членове.
Да приемем, че схемата за автокорелация е обект на автокорелацията на първия ред, където - коефициент автокорелация и - случаен план, отговарящ предположения МНМК.
Стойността е коефициентът на корелация между двете съседни грешки. ...
Оставете го да бъде известен. Ние трансформира първоначалната регресионно уравнение, както следва:
След това се трансформира уравнение, където, не съдържа аЬто- и да се оцени нейните параметри се използват конвенционални МНК.
Методът на изчисление и резултатите от загубата на първото наблюдение. Проблемът с малки проби обикновено са преодолени чрез изменение на цените Winstom:
Очакваният коефициент на тази зависимост се използва директно за първоначалното уравнение, а коефициентът се изчислява с помощта на формулата :.
На практика, стойността е известно, на оценката се получава едновременно с оценките, в резултат на следните повтарящи се процедури.
процедура Cochrane-Orcutt. Процедурата включва следните стъпки:
1. Прилагане на МНМК към оригиналната регресионно уравнение се получава, както и първоначалните оценки на параметрите;
2. Изчислява остатъци и се използва като оценка на първи ред коефициент автокорелация остатъци, т.е. polugayut;
3. Прилагане на МНМК към трансформира уравнението, да получите нови параметри и оценка.
Процесът обикновено приключва, когато на следващия сближаване почти не се различава от предишната. процедура Cochrane-Orcutt реализира в по-голямата част от иконометричните компютърни програми.
Процедура Hildrata-Лу. Тази процедура, както и приложимост в пакета на регресия на базата на същите принципи, но използва различен алгоритъм за работа:
1. трансформира уравнение се оценява за всяка стойност в интервала (-1, 1) с предварително определена стъпка вътре в нея;
2. Изберете стойност за които сумата от квадратите на остатъците в трансформираната уравнение е минимална, и регресионни коефициенти се определят чрез оценка на трансформирания уравнение се използва тази стойност.
Пример 3 Пример 1 използване на данните.
Нека първоначалния модел е :.
От първоначалните данни, използващи MNC получени след очакваното уравнението регресия:
Първи ред коефициент автокорелация на остатъци, следователно, DW 2 (1-с) = 0986. Когато 5% значение ниво = таблична стойност = 1,106 и 1,371 на. От тогава има положителна автокорелация.
Прилагането на МНМК да трансформира информация: () за получаване на оценка на трансформиран уравнение:
Първи ред коефициент автокорелация на остатъци, следователно, DW 2 (1-с) = 1,71. От автокорелацията не остатъци.
Разказвайки оценка, ние получаваме следната оценка на оригиналния модел :. Това уравнение се различава от по-горе получения уравнение, очакваните конвенционални МНК.
Свързани статии