Важной предпосылкой построения качественной регрессионной модели по МНК является независимость значений случайных отклонений от значений отклонений во всех других наблюдениях. Отсутствие зависимости гарантирует отсутствие коррелированности между любыми отклонениями при и, в частности, между соседними отклонениями , .
Автокорреляция определяется как корреляция между наблюдаемыми показателями, упорядоченными во времени (временные ряды) или в пространстве (перекрестные данные). Автокорреляция остатков (отклонений) обычно встречается в регрессионном анализе при использовании данных временных рядов. При использовании перекрестных данных наличие автокорреляции крайне редко. Суть автокорреляции поясним следующим примером. Пусть исследуется спрос на прохладительные напитки в зависимости от дохода по ежемесячным данным. Трендовая зависимость, отражающая увеличение спроса с ростом дохода, может быть представлена линейной функцией .
Y
Лето ..
..
Лето ....
... Зима
...
.Зима
0 Х
рис. 1
Однако фактические точки наблюдений обычно будут превышать трендовую линию в летние периоды и будут ниже ее в зимние.
Аналогичная картина может иметь место в макроэкономическом анализе с учетом циклов деловой активности.
В экономических задачах значительно чаще встречается так называемая положительная автокорреляция , нежели отрицательная автокорреляция .
В большинстве случаев положительная автокорреляция вызывается направленным постоянным воздействием некоторых, не учтенных в модели, факторов.
Отрицательная автокорреляция фактически означает, разнонаправленное действие неучтенных в модели факторов на результат, т.е. что за положительным отклонением следует отрицательное и наоборот. Возможная схема рассеивания точек в этом случае представлена на рисунке 2.
Y
0 Х
рис. 2