Restricții privind utilizarea testului Durbin-Watson
numai în cazul în care următoarele condiții se pot aplica testul Durbin-Watson:
Ecuația de regresie ar trebui să fie un membru liber al prezentului.
Covariabilele sunt non-stocastice.
Ecuația de regresie nu este valorile variabilei dependente intarziate.
4. Este folosit pentru detectarea autocorelarea numai între regresie reziduuri în observațiile succesive. De exemplu, în cazul în care, dar apoi folosind testul Durbin-Watson este în imposibilitatea de a detecta orice autocorelație.
3. Metoda generalizată mai mici pătrate pentru a reduce și a elimina heteroscedasticitate autocorelație
a) Heteroskedasticity atenuare
Dacă știți motivul (și, în consecință, forma de heteroscedasticitate), apoi pentru a rezolva problema, puteți utiliza metoda generalizată a celor mai mici pătrate (OLS).
Presupunând că variația reziduurilor de regresie asociate cu un fel de dependență față de ZT variabilă
După cum poate fi variabilă:
1) σt deviație standard (dacă este cunoscută), în acest caz, metoda celor mai mici pătrate ponderate (WLS);
2) xi sau
Pentru a scăpa de heteroscedasticitate, împărțiți fiecare termen al ecuației de regresie
(*)
unde
Astfel, ecuația de eroare (*) sunt homoscedasticity.
Cu toate acestea, în practică, nu este de multe ori este posibil să se determine cu certitudine cauzele și formele de heteroscedasticității. În acest caz, aveți posibilitatea să fie transferați toate variabilele în formă logaritmică (dar trebuie amintit că această metodă nu se aplică în cazul în care variabilele modelului poate accepta zero sau valoare negativă), sau să profite de metode speciale de evaluare robuste.
b) eliminarea autocorelare
Pentru a elimina autocorelarea (ca în cazul heteroskedasticitate) se poate utiliza metoda generalizată a celor mai mici pătrate (OLS).
Utilizarea AR (1) ca un model de autocorelare, putem scrie:
Presupunând că structura modelului este constantă, pentru o perioadă t -1 obține model:
Inmultiti ambele părți ale ecuației (2) la
