2015-08-13
479
Регрессионный анализ линейных функций, основанный на обычном или одношаговом методе наименьших квадратов (1МНК) должен удовлетворять четырем условиям Гаусса—Маркова:
1. Математическое ожидание случайной составляющей, М(ui) в любом наблюдении должно быть равно нулю.
2. Дисперсия случайной составляющей 
должна быть постоянна для всех наблюдений. Дисперсия случайной составляющей должна быть постоянна для всех наблюдений. Если это условие не соблюдается, то имеет место гетероскедастичность. Наличие гетероскедастичности можно определить при помощи теста Уайта, который позволяет проверить значимость регрессии квадратов остатков относительно комплекса переменных модели и их квадратов. При этом формулируется нулевая гипотеза о гомоскедастичности остатков (равенстве нулю всех коэффициентов модели).
3. Отсутствие систематической связи между значениями случайной составляющей ui в любых двух наблюдениях. Отсутствие автокорреляции остатков.
Автокорреляция остатков означает наличие корреляции между остатками текущих и предыдущих (последующих) наблюдений. Оценить эту зависимость можно вычислив коэффициент корреляции между этими остатками по формуле (8).
. (8)
4. Cлучайный характер остатков. Случайная составляющая должна быть распределена независимо от переменных yi и xi.
