TEMA 6

AUTOCORELAREA
ERORILOR
 PLAN:

1. Esența autocorelării erorilor. Cauzele și

consecințele autocorelării erorilor
2. Procedee și teste de depistare a autocorelării
erorilor
2.1 Procedeul grafic
2.2 Testul Durbin-Watson
2.3 Testul Breusch-Godfrey
 Esența autocorelării erorilor.
Cauzele și consecințele autocorelării
erorilor
În cadrul regresiei clasice Ipoteză I.8 afirmă că valorile variabilei aliatoare
în observațiile din eșantion sunt generate în mod independent una
față de cealaltă, adică nu sunt autocorelate (nu este prezent fenomenul
de autocorelare a erorilor)

Astfel pentru oricare 2 valori ale variabilei aliatoare ui și uj covariația este

egală cu 0, adică
cov(ui , u j )  0

Dacă cov(ui , u j )  0 cind i  j atunci spunem că este prezentă

autocorelarea erorilor
 Y

X
În graficul de mai sus, este clar însă că ipoteza de independență a erorilor
nu e validată. Valorile pozitive tind să fie urmate de valori pozitive, și
valorile negative de cele negative. Valorile succesive tind să aibă același
semn. Acest lucru este descris ca autocorelare pozitivă a erorilor

2
 Y

În acest grafic, valori pozitive tind să fie urmate de cele negative, iar
valorile negative de cele pozitive. E un exemplu de autocorelare
negativă a erorilor.

3
Dacă modelul e descris prin funcția:

Yt   0  1 X t  ut

fenomenul de autocorelarea de ordinul unu a erorilor: AR(1)

este dat de relația:

ut    ut 1  t

unde:  coeficientul de autocorelare a erorilor de ordinul 1

Cazul particular și frecvent întâlnit de autocorelare a erorilor, este autocorelarea de ordinul

(gradul) unu, notat prin AR(1).
Este o autocorelare deoarece valorile variabilei ut depind de propriile valori întârziate și este
de ordinul unu, deoarece fiecare valoare depinde doar de valoarea imediat anterioara ut-1.
Avem și exemple mai complexe de autocorelare a erorilor.
De exemplu: un model de autocorelare a erorilor de ordinul 5, notat prin
AR(5) în care fiecare valoare ut este dependentă de propriile valori
întârziate până la al cincilea lag.

ut  1  ut 1   2  ut  2   3  ut 3   4  ut  4   5  ut 5  t
Cauzele apariției autocorelării erorilor

(I)
Efectul inerţial în evoluția în timp a variabilelor, efect ce se manifestă
în majoritatea seriilor economice de timp, datorită ciclurilor economice.
Variabila y se autocorelează în evoluția sa ca urmare a unui efect inerțial,
generând și o autocorelare în timp a valorilor variabilei aliatoare
Cauzele apariției autocorelării erorilor

(II)
Erori de specificare: absența uneia sau a mai multor variabile
explicative importante. Influenţa variabilei excluse este asimilată de
variabila eroare, ducând la manifestarea unei tendinţe sistematice în
evoluţia acesteia, producând astfel o autocorelare

De exemplu: variabila endogenă este explicată de 2 variabile exogene și funcția

de regresie este definită prin:

yt  b0  b1 x1t  b1 x2t  ut

Dacă în cadrul acestui model este omisă o a treia variabilă importantă x3 valorile
variabilei aliatoare vor fi corelate, deoarece vor fi explicate prin intermediul
acestei variabile omise
ut  0  1 x3t   t
Cauzele apariției autocorelării erorilor

(III)
Erori de identificare datorită alegerii incorecte a funcţiei analitice a
modelului. De exemplu, dacă se alege o funcţie liniară în locul uneia de
gradul doi, atunci termenul care reprezintă pătratul variabilei explicative
va fi cuprins în erori. Efectul sistematic al acestuia face ca erorile să
manifeste o autocorelare din cauza specificării incorecte a funcţiei
analitice.
Consecințele autocorelării erorilor

a) Estimatorii parametrilor din model nu sunt eficienţi

b) Testul t (Student) aplicat pentru analiza semnificaţiei estimatorilor nu

este valid. Valorile t-Student calculate pentru semnificaţia
parametrilor sunt supradimensionate sugerând o semnificaţie mai
mare decât în realitate a parametrilor

c) Abaterea standard a erorilor Su este subdimensionată, astfel R2 este

supradimensionat, ceea ce indică o ajustare mai bună decât este în
realitate
 Procedee și teste de depistare a
autocorelării erorilor
Procedeul grafic

Evolutia erorilor Corelaţia serială a erorilor

300
300
250
250
200
200
150
150
100 100
erorile

50

et
50
0 0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 -200 -100
-50 -50 0 100 200 300

-100 -100
-150 -150
timpul e t-1
-200 -200

Autocorelare pozitivă
 Procedeul grafic
Corelaţia inversă a erorilor Corelaţia inversă a erorilor
1.0 1.0
0.8
0.6
0.5
0.4
0.2

et
0.0
et

0.0
-0.2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 -1.0 -0.5 0.0 0.5 1.0
-0.4 -0.5
-0.6
-0.8
timpul
-1.0 -1.0 e t-1

Autocorelare negativă
 Procedeul grafic
Evoluţia reziduurilor Analiza autocorelaţiei reziduurilor de ordinul 1
80 80
60 60
40 40
20 20
0

et
0
-20 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 -80 -60 -40 -20 -20 0 20 40 60 80

-40 -40
-60 -60
-80 -80 et-1

Lipsa autocorelării erorilor

 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  ut 1   t
Secvențele ce urmează se referă doar la modele de autocorelare de ordinul unu AR(1).
Obiectivul este de a va prezenta unele imagini reper pentru a vă ajuta să evaluați
corect comportamentul variabilei reziduale în cadrul regresiei unei serii de timp.
9
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  ut 1   t
Vom folosi 50 de valori independente ale variabilei ε , luate dintr-o distribuție normală
de medie=0 , și vom genera serii ale variabilei ut folosind in modelul de mai sus
diferite valori ale lui 
10
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.0ut 1   t
Vom începe cu  egal cu 0, sau altfel spus lipsa autocorelării erorilor. Vom majora
valoarea lui  progresiv cu un pas de 0.1
11
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.1ut 1   t

12
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.2ut 1   t

13
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.3ut 1   t

Cu  egal cu 0.3, pe grafic începe să se contureze o autocorelare pozitivă a erorilor.

14
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.4ut 1   t

15
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.5ut 1   t

16
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.6ut 1   t

Cu  egal cu 0.6, este evident că u se distribuie conform unei autocorelații pozitive.

Valorile pozitive tind să fie urmate de valori pozitive, iar valorile negative de valori
negative. 17
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.7ut 1   t

18
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.8ut 1   t

19
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.9ut 1   t

Cu un  egal cu 0.9, secvența valorilor ce au același semn devine tot la mare

20
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.95ut 1   t

21
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.0ut 1   t
În continuare vom arata cum se manifestă autocorelarea negativă, având la bază acelaș set
de 50 de valori normal distribuite ale variabilei t.

22
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.3ut 1   t

23
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.6ut 1   t
Cu un  egal cu –0.6, se poate observa că valorile pozitive tind a fi urmate de cele
negative și vice versa, mult mai frecvent decât daca s-ar întâmpla într-un proces
aliator.
24
 AUTOCORELAREA ERORILOR
3

0 1

-1

-2

-3

ut  0.9ut 1   t
În acest caz existența unei autocorelații negative este evidentă

25
Coeficientul de autocorelație a erorilor de ordinul I

e e t t 1
 t 2
n

 t
e 2

t 1

Acesta este definit în intervalul [-1:1], având următoarea semnificație:

-1, autocorelație strict negativă a erorilor

 0, independență a erorilor

1, autocorelație strict pozitivă a erorilor

Testul Durbin-Watson

Testul cel mai invocat în econometrie în vederea testării independenței erorilor în

raport cu propriile valori este testul Durbin-Watson.

Prin acest test se testează, dacă erorile sunt corelate printr-un proces de
autocorelare de ordinul I (AR1), dat de expresia:

et    et 1 v t

Se presupune parcurgerea următoarelor etape

1) Formularea ipotezelor
H0: ρ = 0 - erorile sunt independente (ipoteza nulă)
H1: ρ ≠ 0 - erorile sunt autocorelate (ipoteza alternativă)
2) Calcularea statisticii testului

 t t 1
( e  e ) 2

DW  t 2
n

t
e 2

t 1

3) Preluarea din tabelul Durbin-Warson a valorilor critice dL și dU în funcție de

nivelul de semnificație – α, numărul de observații – n și numărul variabilelor
exogene din modelul inițial – k
4) Compararea valorilor critice dL și dU cu valoarea calculată DW și luarea
deciziei:

Respingem H0
Autocorelare
? Nu respingem H0
? Respingem H0
Autocorelare
pozitivă a Independență a erorilor negativă a
erorilor (lipsa autocorelării) erorilor
dL dU 4 - dU 4 - dL
0 2 4

Când dL < DW < dU sau 4 – dU < DW < 4 – dL, se manifestă o îndoială, o

indecizie asupra existenţei sau lipsei autocorelării erorilor
Aplicarea testului Durbin-Watson presupune îndeplinirea simultană a
următoarelor condiții:
 modelul inițial să aibă termenul liber (b0)
 numărul de observări să fie mai mare decât 15 (n>15)
 printre variabilele explicative să nu figureze variabila endogenă cu decalaj

yt  b0  b1 x1t  b2 x2t  b3 yt 1  et

Neajunsurile testului Durbin-Watson

 testează doar existența autocorelării de ordinul I
 conține intervale de indecizie
Testul Breusch-Godfrey

Un alt procedeu de verificare a ipotezei de independență a erorilor este testul

Breusch-Godfrey.
Acest test este aplicat în vederea depistării unei autocorelații de ordin superior a
erorilor:

et  1  et 1   2  et  2   3  et 3  ...   p  et  p v t

Aplicarea testului presupune parcurgerea următoarelor etape:

1) Calcularea valorilor variabilei reziduale din modelului inițial (et)
2) Formularea ipotezelor

H0: ρ1 = ρ2 = ρ3 = ρp = 0 toți coeficienții de autocorelație sunt egali cu 0 ceea ce

presupune că erorile sunt independente
H1: cel puțin un coeficient ρi ≠ 0 – erorile sunt autocorelate
3) Construirea unui model auxiliar în care variabila reziduală – et este regresată
în funcție variabilele exogene inițiale (x1, x2,…, xk) și de valorile sale decalate
(et-1 , et -2 ,…, et-p)

et  b0  b1 x1  b2 x2  ...  bk xk  1  et 1   2  et  2   3  et 3  ...   p  et  p v t

4) Calcularea coeficientului de determinație R2 pentru acest model auxiliar

5) Calcularea statisticii testului

BG  n  R 2

6) Preluarea din tabelul repartiției 2 a valori critice în funcție de nivelul de

semnificație – α, și mărimea decalajului – p, 2α,p
7) Compararea valorii BG cu valoarea critică 2α,p și luarea deciziei:

dacă BG< 2α,p ipoteza nulă nu este respinsă, astfel erorile sunt independente
dacă BG> 2α,p erorile sunt autocorelate