АНАЛІЗ ЗАЛИШКІВ

Відповідно до логіки побудови моделей часових рядів (див. Параграф 6.3) після визначення структури та оцінювання параметрів моделей невипадкових компонент необхідно визначити вид і властивості моделі для випадкової складової Е (7). Властивості! :(?) Вивчають, використовуючи ряд залишків e (t), отриманий з вихідного часового ряду видаленням всіх побудованих раніше невипадкових компонент.

Автокорреляция

Як правило, ряд e (t ) являє собою залишки, отримані після застосування методу найменших квадратів. Одним з припущень МНК є вимога некоррелированности випадкових помилок. При порушенні цього припущення спостерігається автокорреляция залишків.Ігнорування факту наявності автокореляції випадкових помилок при проведенні економетричного аналізу буде приводити до того, що хоча оцінки методу найменших квадратів залишаться незміщеними і заможними, оцінка їх дисперсії буде зміщеною. Зміщеність оцінки дисперсії може привести до необґрунтованого збільшення довірчих інтервалів, до неправильних висновків про значущість невідомих параметрів, що явно небажано. Очевидно, що припущення теореми Гаусса - Маркова при наявності автокореляції не виконуються, і, отже, немає ніяких підстав стверджувати, що МНК-оцінки будуть ефективними.

Причини автокорреляции можуть складатися в неправильній специфікації моделей невипадкових компонент часового ряду або в самій природі випадкових помилок, що залежать від часу. У першому випадку автокорреляция легко усунена шляхом послідовної коригування специфікації моделі перш за все за рахунок вибору виду регресорів. У другому випадку необхідна побудова моделі, яка описує поведінку випадкової складової Е (?). В обох випадках слід спочатку переконатися в наявності або відсутності автокореляції.

 
Переглянути оригінал
< Попер   ЗМІСТ   ОРИГІНАЛ   Наст >