Последствия автокорреляции

Они сходны с последствиями гетероскедастичности.

1) Если в исследуемой модели есть автокорреляция, то оценки параметров полученные обычным методом МНК хоть и являются не смещенными, но не являются эффективными.

2) Стандартные ошибки параметров регрессии в целом полученные по обычным формулам оказываются заниженными, в результате все выводы по t и F статистикам, определяющие значимость коэффициентов регрессии и коэффициента корреляции будут неверны, в частности доверительные интервалы прогноза больше расчетных.

3) Автокорреляция увеличивает дисперсии распределений оценок коэффициентов.

Методы обнаружения:

1. Графический анализ остатков

2. Критерий Дарбина – Уотсона, с его помощью исследуется зависимость между соседними остатками и .

Если DW<1 или DW>3, то автокорреляция есть. если DW>2, положительная автокорреляция, если DW<2, отрицательная.

Методы устранения:

1. Корректировка формы модели или определение нового набора объясняющих факторов. -

2. Разбиение исходного массива данных на 2-а или более подмассивов с последующим построением частных моделей для каждого подмассива.

3. Построение адекватной модели случайных остатков .