При оценке параметров уравнения регрессии применяется МНК. При этом
делаются определенные предпосылки относительно составляющей [pic], которая
представляет собой ненаблюдаемую величину.
Исследования остатков [pic]- предполагают проверку наличия следующих пяти
предпосылок МНК:1.случайный характер остатков; 2.нулевая средняя величина
остатков, не зависящая от хi;
3.гомоскедастичность—дисперсия каждого отклонения [pic],одинакова для всех
значений х; 4.отсутствие автокорреляции остатков. Значения остатков [pic],
распределены независимо друг от друга; 5.остатки подчиняются нормальному
распределению.
1. Проверяется случайный характер остатков [pic], с этой целью строится
график зависимости остатков [pic] от теоретических значений результативного
признака. Если на графике получена горизонтальная полоса, то остатки[pic],
представляют собой случайные величины и МНК оправдан, теоретические
значения ух хорошо аппроксимируют фактические значения y. В других случаях
необходимо либо применять другую функцию, либо вводить дополнительную
|
|
информацию и заново строить уравнение регрессии до тех пор, пока
остатки[pic], не будут случайными величинами.
2. Вторая предпосылка МНК относительно нулевой средней величины остатков
означает, что [pic](у — ух) = 0. Это выполнимо для линейных моделей и
моделей, нелинейных относительно включаемых переменных. С этой целью наряду
с изложенным графиком зависимости остатков [pic] от теоретических значений
результативного признака ух строится график зависимости случайных
остатков[pic] от факторов, включенных в регрессию хi. Если остатки на
графике расположены в виде горизонтальной полосы, то они независимы от
значений xj. Если же график показывает наличие зависимости [pic] и хj то
модель неадекватна. Причины неадекватности могут быть разные.
3. В соответствии с третьей предпосылкой МНК требуется, чтобы дисперсия
остатков была гомоскедастичной. Это значит, что для каждого значения
фактора xj остатки[pic], имеют одинаковую дисперсию. Если это условие
применения МНК не соблюдается, то имеет место гетероскедастичность. Наличие
гетероскедастичности можно наглядно видеть из поля корреляции.
Гомоскедастичность остатков означает, что дисперсия остатков[pic] -
одинакова для каждого значения х.
4.Отсутствие автокорреляции остатков, т. е. значения остатков [pic]
распределены независимо друг от друга. Автокорреляция остатков означает
наличие корреляции между остатками текущих и предыдущих (последующих)
наблюдений. Отсутствие автокорреляции остаточных величин обеспечивает
состоятельность и эффективность оценок коэффициентов регрессии.