Определение. Нарушение независимости между ошибками для разных наблюдений называется автокорреляцией остатков. Т е Ɛi и Ɛj зависит друг от друга.
Нарушение этого условия делает модель неприемлемой для прогноза и аналитических целях. Невозможно использование таких моделей вызвано тем, что при наличии автокорреляции остатков, стандартизованные ошибки модели (как и в случае гетероскедостичности) будут неоценённые и отсюда следует, что проверка значимости коэффициентов регрессии будет ненадежность (т.е нарушение эффективности оценок).
Например, допустим, что остаток Ɛi находится под тест х2табл<x2расч, то автокорреляция в остатках есть, причем автокорреляционный процесс 4-го порядка.
Выполнение 5-го условия МНК (нормальность остатков)
Эта предпосылка говорит о том, что если случайная компонента распределена нормально, то и коэффициенты регрессии будут также распределены. Эта предпосылка в полной мере относится к предпосылкам метода максимального правдоподобия (ММП), и поэтому при проверке условий выполнения МНК, данное требование часто опускают.
|
|
Данное требование основано на центральной предельной теореме вероятности:
Если случайная величина является общим результатом взаимодействия большого числа случайных величин, то она приближённо имеет нормальное распределение. Случайная компонента Ɛi в неявном виде определяется несколькими факторами, следовательно, можно предполагать нормальность остатков.
Ɛi ~ N (0; 2)
Тесты на проверку нормальности – тест Пирсона, Колмогорова-Смирнова, Бера-Жарка.
Устранение нарушения предпосылок МНК для оценки парной регрессии.
- Автокорреляция остатков.
Одна из причин присутствия автокорреляции в остатках – неправильный выбор вида зависимости между переменными, т.е. необходимо изменить зависимость.
Еще один способ устранения автокорреляции остатков – введение лаговых переменных.
- Гетероскедастичность остатков
Существует несколько подходов к решению данного нарушения:
1. Преобразование исходных данных
2. Применение другого метода оценивания
3. Включение изменяющейся дисперсии в модели (актуально для временных рядов)
- Метод максимального правдоподобия
Применяется для оценки коэффициентов регрессии. Одна из важных предпосылок ММП – известность знака распределения зависимой переменной.