Występowanie autokorelacji jest błędem specyfikacji modelu i jest zjawiskj niepożądanym. Przyczyną występowania autokorelacji dodatniej jest na oa»T uwzględnienie zbyt małej liczby zmiennych objaśniających w modelu, natom^?! przyczyną autokorelacji ujemnej jest uwzględnienie zbyt dużej liczby zmiennJrfć^B objaśniających. Autokorelację może też powodować błędna postać analityC2?j modelu lub niewłaściwa transformacja zmiennych objaśniających.
W modelu, w którym występuje autokorelacja I rzędu składnika losowego nie spełnione wszystkie założenia klasycznej MNK, dlatego też nie można zastosować tej metody do szacowania parametrów. Metodą alternatywną, w przypadł występowania autokorelacji, jest uogólniona metoda najmniejszych kwadratów (UMNK) (patrz rozdział VII).
Autokorelacja I rzędu składnika losowego w przypadku opóźnionych zmiennych endogenicznych. W przypadku występowania w modelu opóźnionych zmiennych endogenicznych Y,_x, do badania autokorelacji I rzędu składnika
losowego, stosuje się test h-Durbina. Hipotezy zerowa i alternatywna mają taką samą postać, jak w przypadku wyżej opisanego testu DfV. Statystyka h dana jest
wzorem:
h = px
T-1
(4.19)
gdzie:
p, - współczynnik autokorelacji I rzędu dany analogicznym wzorem (2.1) lub
wzorem (7.6),
T - liczebność próby,
S2(bx) - średni błąd oceny parametru przy opóźnionej zmiennej endogenicznej.
Statystykę h porównuje się z wartościami krytycznymi z tablic rozkładu normalnego za, przy ustalonym poziomie a .
Jeżeli h>za, wówczas odrzuca się hipotezę zerową H0 na rzecz hipotezy alternatywnej //,. Stwierdza się występowanie autokorelacji I rzędu. h <za, wówczas nie ma podstaw do odrzucenia hipotezy zerowej Ho» występuje autokorelacja I rzędu składnik losowego.
Program Gretl daje możliwości weryfikacji założenia o braku autokorck*^ dowolnego rzędu m składnika losowego za pomocą testów: PACF, LM mn0 ^ Lagrange'a oraz testu Ljunga-Boxa. Hipotezy zerowa i alternatywna wówczas postać:
H0 : p, =... = pm = 0 (brak autokorelacji rzędu m)
tpstu współczynników autokorelacji cząstkowej PACF* (parlial fZgffglations function) odczytywane są odpowiednie współczynniki gjjtofcorelacji p„, do m rzędu (patrz tablica 5.14) i porównywane z wartością
z0 tjcjzjc Z(l stanowi wartość krytyczną rozkładu normalnego przy ustalonym
wówczas
poziomic istotności a , N jest liczebnością próby. Jeżeli |pm| >
o^TUca się hipotezę zerową H0 na rzecz hipotezy alternatywnej. Stwierdza się
występowanie autokorelacji m rzędu składnika losowego. Jeżeli |pm|<-^=r,
wówczas nic ma podstaw do odrzucenia hipotezy zerowej H0, zatem brak jest autokorelacji m rzędu składnika losowego.
Test mnożnika Lazranze’a oparty jest na statystyce LM ~ x2 (w) danej wzorem:
LM = TR2, (4.20)
gdzie:
(oznaczenia jak we wzorze (4.18)),
R~ - współczynnik determinacji badanego modelu dany wzorem (4.8). Natomiast statystyka Q testu Liumza-Boxa zbudowana jest według wzoru postaci:
V'T(r.2jY?
gdzie:
m _ 2
m T-i
(4.21)
(oznaczenia jak we wzorze (4.18)).
Q > x'(w), wówczas odrzuca się hipotezę zerową H0 na rzecz alternatywnej //, . Występuje autokorelacja m rzędu składnika losowego.
HEL ^ < X (w), to nie ma podstaw do odrzucenia hipotezy zerowej H0, ^H^* aC^a danego rzędu m nie występuje.
‘^Identyfikacja modeli
*...*p
m
O (występuje autokorelacja rzędu m)
autoregresyjnych z przykładu 9.6 oraz tablice (9.16)-(9.19).
85