Технологическое прогнозирование

Скачать в pdf «Технологическое прогнозирование»

где p1 — коэффициент автокорреляции первого порядка. Подразумевается, что в модели регрессии У=Хр+г



8 = pS +V , где V    распределено как белый шум: M{s    }= 0 ,


t    t-1    t    t    t


где |p|<1 .



ошибки


var{s }= .


t



специфицированы



как



a



2



V



1 —P



_ , а corr{s    ,8


2    t t-1



}= P,


В случае отсутствия автокорреляции DW=2 , при положительной автокорреляции DWстре-мится к нулю, а при отрицательной — к четырем:


р1 = 0 ^DW = 2; р1 = 1 ^DW = 0; р1 = -1 ^DW = 4.


На практике применение критерия Дарбина-Уотсона основано на сравнении величины DW с теоретическими значениями d^ и du для заданного числа наблюдений п, числа независимых переменных модели k и уровня значимости а. Если DW<d^, то гипотеза о независимости случайных отклонений отвергается (следовательно, присутствует положительная автокорреляция), если DW>du — не отвергается, если d^<DW<du, то нет достаточных оснований для принятия реше-ний. Когда расчетное значение DW превышает 2, то с d^ и du сравнивается не сам коэффициент DW, а выражение (4-DW).


Также с помощью данного критерия выявляют наличие коинтеграции между двумя временными рядами. В этом случае проверяют гипотезу о том, что фактическое значение критерия равно нулю. С помощью метода Монте-Карло были получены критические значения для заданных уровней значимости. Если фактическое значение критерия Дарбина-Уотсона превышает критическое, то нулевую гипотезу об отсутствии коинтеграции отвергают (рис. 4.1).


Есть положи-


Зона не-


Нет оснований


Зона


Есть отрицатель-


тельная автокор-


опреде-

Скачать в pdf «Технологическое прогнозирование»