Таким методом является обобщенный мнк. Он учитывает переменную дисперсию.
Обозначается ОМНК(GLS) для объяснения процессов происходящих в текущем периоде.Причем лаговыми переменными могут быть как зависимые переменные, так и независимые.
Одним из методов устранения автокорреляции остатков является процедура Оркатта-Кокроуна.
Рассмотрим уравнение регрессиии
, (4.1)
где , (4.2)
где Hi – случайная компонента
Запишим уравнение (4.1) для предложеного периода i-1 и умножим все уравнения на :
Вычтим из (4.1)
По (4.2):
Пусть
Тогда (4.3)
Если известно , то можно найти и через уi, yi-1, xi, xi-1.
А затем рассчитать регрессию между и
Процедура Оркатто-Кокроуна
1.Оценивается уравнение (4.1) находятся коэффециенты и .И находят остатки
ОМНК принимается не только для оценки данных для которых существенна гетероскедостичность остатков, но и для данных, для которых имеется место автокорреляции остатков т.е оценки, оцененные ОМНК, будут обладать как свойством несмещенности, так и иметь наименьшее выборочное диспресии.
Предположим, что матожидание равно 0, а диспресия, которая изменяется, пропорционально величине хi
(4.5), где
–дисперсия ошибки при конкретном суммарном значении ф-ра.
– постоянная дисперсия ошибки при соблюдении условия гомоскедастичности остатков.
– коэффициент пропорциональности, изменяющийся с изменением ф-ра.
Тогда уравнение регрессии с дисперсии имеющий вид (4.5), можно преобразовывать в новое уравнение:
т.к Д=М((х-М(х))2 и Д=М()
Для другого уравнения гетероскедостичность по-прежнему существует. Разделим данное уравнение на
Тогда дисперсия для полученного уравнения будет постоянной и равна
Обозначим
; (4.7)
Определение 4.1. Уравнение регрессии (4.6) с переменными вида (4.7) называется взвешенным уравнением регрессии, где весами являются выражение .
Оценка коэффициентов для точки 0 определенной регрессии осуществляется на основании взвешенной МНК (ВМНК), в которой следует минимизировать функционал (y-a-b xi)2 приравниваем к 0
Получаем систему нормальных уравнений для оценки а и b
Откуда следует
Как видно параметры регрессии определенные по формуле (4.8), полностью зависит от гипотезы выдвигаемой относительно коэффициентов пропорциональности К; обычно предполагается, что остатки I т.е имеем параметры для каждого уi
Функция , определяется по формуле (4.9) называется функцией максимального правдоподобия.
Иногда переходят к логарифмированной функции правдоподобия
Решение по ММП предполагает нахождение таких параметров , при которых функция правдоподобия достигает максимума, т.е находит оптимальное .Нахождение оптимальное в простых случаях производится с помощью методов матанализа (т.е приравнивающие к 0 первых производных:
В сложных случаях используется методы оптимального программирования (симплекс метод) или с помощью методов численного анализа, основных на интерактивных процедурах.
Для нахождения параметров линейной регрессии надо знать законы распределения либо зависимой переменной , либо остатков . Когда этот закон нормальный, из ММП пропорциональна значениям какого-то независимого ф-ла