> t = X t +1 -X t .
Якщо ж автокореляції усунути не вдається, то отримані оцінки вважаються заможними, і середньоквадратичне відхилення коригується на величину ? j для j-ro коефіцієнта.
В
де r 1 - коефіцієнт автокореляції випадкових доданків першого
порядку;
R 1j - коефіцієнт автокореляції для j-й незалежної змінної першого порядку.
Іншою умовою, необхідним для отримання заможних оцінок, є відсутність мультіколленіарності. Дійсно, за наявності мультіколленіарності визначник квадратної матриці [ X T Х] дорівнює або близький нулю, отже, матриця вироджена, і тому рішення системи нормальних рівнянь не існує.
Ефективний підхід до визначення мультіколленіарності передбачає наступну послідовність розрахунків. Нехай розглядається рівняння регресії y = f (x 1 , ..., x n ). Тоді для виявлення існування мультіколленіарності пропонується критерій
В
де? ? Х T < span align = "justify"> Х? - визначник матриці [ ? Х T Х], що має асимптотичну розподілення Пірсона Р…n (n-1) ступенями свободи.
N - число спостережень по кожній змінної;
n - число незалежних змінних.
Матриця Х включає значення змінних, перетворених за формулою
В
де S i, , < i align = "justify"> Ї x i - відповідно оцінки середньоквадратичного відхилення і середнє значення для i-й незалежної змінної.
Далі обчислюються величини , які при неколленіарності змінних близькі одиниці, а за наявності мультіколленіарності близькі до нескінченності, що дає підставу залишити або відкинути показник х i