Эконометрика: Введение в регрессионный анализ временных рядов. Носко В.П. - 90 стр.

Рассмотрим также оценивание SM в форме модели коррекции ошибок (хотя эта модель и не
является редуцированной).
   SM9 Модель коррекции ошибок:
   ∆yt = µ + β0 ∆xt – (1 – a1)( yt – 1 – b x t – 1) + εt .
Оцененная модель (нелинейный метод наименьших квадратов):
Dependent Variable: D(Y)
Sample(adjusted): 2 100
Convergence achieved after 4 iterations
D(Y) =C(1)+C(2)*D(X) + (C(3)-1)*(Y(-1)-C(4)*X(-1))
                           Coefficient Std. Error    t-Statistic   Prob.
C(1)                       0.014122    0.009556      1.477773      0.1428
C(2)                       0.188567    0.018421      10.23666      0.0000
C(3)                       0.555208    0.034143      16.26107      0.0000
C(4)                       1.004839    0.078119      12.86299      0.0000
R-squared                  0.816395       Mean dependent var       -0.001100
Adjusted R-squared         0.810597       S.D. dependent var       0.213288
S.E. of regression         0.092824       Akaike info criterion    -1.876660
Sum squared resid          0.818547       Schwarz criterion        -1.771806
Log likelihood             96.89465       Durbin-Watson stat       2.248395
P-значение критерия Бройша – Годфри при AR(1) альтернативе равно 0.130, а при AR(2)
альтернативе равно 0.318; гипотеза некоррелированности случайных величин εt не
отвергается. Критерий Jarque – Bera не обнаруживает значимых отклонений от нормальности
(P-значение = 0.711). Критерий Уайта не обнаруживает гетероскедастичности (P-значение =
0.380).
Иными словами, применение критериев адекватности к оцененной модели дает
удовлетворительные результаты. Опираясь на них, редуцируем модель, исключая из правой
части константу; при этом получаем:
Dependent Variable: D(Y)
Convergence achieved after 3 iterations
D(Y) =C(2)*D(X) + (C(3)-1)*(Y(-1)-C(4)*X(-1))
                           Coefficient Std. Error    t-Statistic   Prob.
C(2)                       0.190325    0.018495      10.29043      0.0000
C(3)                       0.565569    0.033621      16.82186      0.0000
C(4)                       1.028710    0.080225      12.82279      0.0000
R-squared                  0.812174       Mean dependent var       -0.001100
Adjusted R-squared         0.808261       S.D. dependent var       0.213288
S.E. of regression         0.093394       Akaike info criterion    -1.874134
Sum squared resid          0.837363       Schwarz criterion        -1.795494
Log likelihood             95.76965       Durbin-Watson stat       2.218619
т.е.
       ∆yt = 0.190 ∆xt – 0.434( yt – 1 – 1.029 x t – 1) + et .