одель може не включати чинник, який надає істотний вплив на результат, вплив якого відображається у залишках, внаслідок чого останні можуть виявитися автокоррелірованнимі. Дуже часто цим фактором є фактор часу t. Крім того, в якості таких істотних факторів можуть виступати лагові значення змінних, включених у модель. Або модель не враховує кілька другорядних факторів, спільний вплив яких на результат значно зважаючи збіги тенденцій їх зміни або фаз циклічних коливань [7, с.437].
Від щирої автокореляції залишків слід відрізняти ситуації, коли причина автокореляції полягає в неправильній специфікації функціональної форми моделі. У цьому випадку слід змінити форму зв'язку факторних і результативного ознак, а не використовувати спеціальні методи розрахунку параметрів рівняння регресії за наявності автокореляції залишків.
Відомі два найбільш поширених методу визначення автокореляції залишків. Перший метод - це побудова графіка залежності залишків від часу і візуальне визначення наявності або відсутності автокореляції, другий метод - використання критерію Дарбіна-Уотсона і розрахунок величини
(44)
При цьому розрахунок коефіцієнта автокореляції у залишках першого порядку визначається за формулою:
,
при цьому критерій Дарбіна-Уотсона і коефіцієнт автокореляції пов'язані співвідношенням:
В
За вихідними даними по 24 колгоспам побудуємо рівняння регресії залежності фактичної посівної площі (Y), наявність тракторів (х 1 ) і прямі витрати праці на продукцію всього (х 2 ).
y = 153,398 +3,711 * x 1 +0,036 * x 2
Визначимо по організаціях об'єднану регресію:,,,, ,. p> Регресія визначається шляхом підстановки фактичних значень х 1 і х 2 у рівняння регресії.
Залишки розрахуємо за формулою:
.
- це ті ж значення, що і, але зі зсувом на 1 період часу. br/>
Таблиця 11 - Розрахунок критерію Дарбіна-Уотсона
Період часу
В В В В В В
1
254,135
920,865
-
-
-
847992,348
2
254,063
808,937
920,865
-111,928
12527,8772
654379,07
3
294,92
< p> 705,08
808,937
-103,857
10786,2764
497137,806
...
