Эконометрика: Введение в регрессионный анализ временных рядов. Носко В.П. - 73 стр.

значение 0.0022. В обоих случаях эта гипотеза отвергается. Исключение из правой части
модели запаздывающей переменной xt–1 , коэффициент при которой статистически незначим
и имеет большее P-значение, чем коэффициент при xt , дает:
Dependent Variable: Y
    Variable       Coefficient Std. Error   t-Statistic   Prob.
        C           0.517868 0.154098       3.360648      0.0011
       Y(-1)        0.719738 0.063131       11.40064      0.0000
        X           0.310343 0.095241       3.258511      0.0015
R-squared          0.637523       Mean dependent var 1.844751
Adjusted R-squared 0.629971       S.D. dependent var 1.709520
S.E. of regression 1.039901       Akaike info criterion 2.945962
Sum squared resid 103.8138        Schwarz criterion     3.024602
Log likelihood     -142.8251      F-statistic           84.42207
Durbin-Watson stat 2.256404       Prob(F-statistic)     0.000000
Здесь все коэффициенты имеют высокую значимость, а остатки вполне удовлетворительны.
   Если из предыдущей модели исключить не x t – 1, а x t , то это приводит к оцененной
модели
Dependent Variable: Y
    Variable       Coefficient Std. Error   t-Statistic   Prob.
        C           0.567821 0.158600       3.580215      0.0005
       Y(-1)        0.692523 0.066673       10.38690      0.0000
       X(-1)        0.305939 0.100582       3.041698      0.0030
R-squared          0.632818       Mean dependent var 1.844751
Adjusted R-squared 0.625169       S.D. dependent var 1.709520
S.E. of regression 1.046627       Akaike info criterion 2.958857
Sum squared resid 105.1611        Schwarz criterion     3.037497
Log likelihood     -143.4634      F-statistic           82.72550
Durbin-Watson stat 2.221594       Prob(F-statistic)     0.000000
По критерию Шварца чуть более предпочтительной выглядит модель с исключенной xt–1 ,
так что на ней можно и остановиться. Посмотрим, к какому долговременному соотношению
приводит такая модель.
   Итак, мы останавливаемся на оцененной модели
   (1 – 0.720 L) yt = 0.518 + 0.310 xt + et .
Полагая L = 1 и et ≡ 0, получаем: 0.28 yt = 0.518 + 0.310 xt , так что долговременное
соотношение оценивается как
   y = 1.839 + 1.107x .
Это соотношение, конечно, несколько отличается от теоретического. Посмотрим, однако, что
дало бы оценивание динамической модели ADL(3, 2; 1). Оценивая такую модель, получаем:
Dependent Variable: Y
    Variable       Coefficient Std. Error t-Statistic     Prob.
         C          0.539617 0.174057 3.100239            0.0026