Эконометрика: Введение в регрессионный анализ временных рядов. Носко В.П. - 195 стр.

оцененной статистической модели, которое не соответствует поведению стационарного
процесса.

   Пример
   В предыдущем примере мы имели
   DGP: xt = xt – 1 + ε1t , yt = yt – 1 + ε2t ,
где ε1t и ε2t – последовательности независимых, одинаково распределенных случайных
величин, имеющих стандартное нормальное распределение N(0, 1), и оценивали
статистическую модель
   SM: yt = α +β xt + ε t .
При оценивании такой статистической модели по наблюдениям с 51 по 100 мы получили:
    β̂ T = 0.598, tβ = 7.708, DW = 0.214.
При этом график остатков
4


2


0


-2


-4


-6
     55   60   65   70   75   80   85   90   95   100

                         RESIDS


не похож на график стационарного ряда.

   Естественно было бы попытаться использовать для выявления такого “неподобающего”
поведения остатков не просто визуальное рассмотрение графика остатков, но и формальные
статистические критерии, тем более, что критерии проверки интегрированности временных
рядов мы уже обсуждали ранее (критерии Дики – Фуллера, Филлипса – Перрона и др.).
   Дело, однако, в том, что теперь мы имеем дело не с “сырым” рядом, а с рядом остатков,
которые вычисляются после предварительного оценивания модели (коэффициентов α и β в
последнем примере). Это обстоятельство существенно влияет на распределения
соответствующих статистик и не дает возможности пользоваться таблицами, которые мы
использовали ранее при анализе на интегрированность сырых рядов. С учетом этого
обстоятельства, были построены таблицы, позволяющие производить анализ остатков в
случае интегрированных объясняемой и объясняющих переменных, о чем мы поговорим в
дальнейшем. Сейчас же только отметим, что дает применение соответствующих таблиц к
только что рассмотренному примеру.