Методы прогнозирования. Сухарев М.Г. - 71 стр.

UptoLike

Составители:

Рубрика:

скедаксичность. В случае г остатки имеют линейный (положи-

тельный) тренд. Поскольку регрессионная модель должна снять

линейный тренд, картина остатков на рис. г свидетельствует об

ошибках, допущенных в расчетах.

Рисунок 2.7 ― Возможные нарушения предположений модели

регрессионного анализа. а ― отклонения от модели, по всей ви-

димости, отсутствуют; б ― нарушено свойство (2.3.7) (гомоске-

даксичность); в ― криволинейный тренд; г ― линейный тренд ―

ошибки в вычислениях

Дефекты модели могут быть обнаружены путем анализа за-

висимости остатков от регрессоров. Если предположить, что за-

висимость остатков

ˆ ˆ

, ,

 



от некоторого фактора

ˆ ˆ

, ,

s ns

 



имеет такой вид, как на рис. в, то следует предположить, что за-

висимость

от

нелинейна, и попытаться улучшить модель,

включив, например, в число регрессоров наряду с (или вместо)

квадрат фактора

