1) Ошибки спецификации. Если не учесть в модели какой-либо важной объясняющей переменной либо неправильный выбрать форму зависимости, то это может привести к системным отклонениям точек наблюдений от линии регрессии, что может привести к автокорреляции. Проиллюстрируем это на следующем примере. Анализируется зависимость предельных издержек от объема выпуска. Если для ее описания вместо реальной квадратичной модели выбрать линейную модель , то совершается ошибка спецификации. Ее можно рассматривать как неправильный выбор формы модели или как отбрасывание значимой переменной при линеаризации указанной модели. Последствия данной ошибки выразятся в системном отклонении точек наблюдения от прямой регрессии (см. рис. 10.3) и существенным преобладании последовательных отклонений одинакового знака над соседними отклонениями противоположных знаков. Таким образом, наблюдается типичная картина, характерная для положительной автокорреляции.
2) Инерция. Многие экономические показатели (например, инфляция, безработица и т.п.) обладают определенной цикличностью, связанной с волнообразностью деловой активности. Действительно, экономический подъем приводит к росту занятости, сокращению инфляции и т.д. Этот рост продолжается до тех пор изменение конъюнктуры рынка и ряда экономических показателей не приведет к замедлению роста, затем остановке и движению вспять рассматриваемых показателей. В любом случае эта трансформация происходит не мгновенно, а обладает инертностью.
|
|
3) Эффект паутины. Во многих сферах экономики экономические показатели реагируют на изменение экономических условий с запаздыванием. Например, предложение сельскохозяйственной продукции реагирует на изменение цены с запаздыванием (равным периоду созревания урожая). Большая цена сельскохозяйственной продукции в прошлом году вызовет (скорее всего) ее перепроизводство в текущем году, а следовательно, цена на нее снизится и т.д. В этой ситуации нельзя предполагать случайность отклонения друг от друга.
4) Сглаживание данных. Зачастую данные по некоторому продолжительному периоду получают усреднением данных по составляющим его подынтервалам. Это может привести к определенному сглаживанию колебаний, которые имелись внутри рассматриваемого периода, что, в свою очередь, может послужить причиной автокорреляции.