Коэффициенты являются значимыми. Параметр отражает зависимость от двух прошлых периодов.
Таблица 2.46- Коэффициенты автокорреляции переменной (Х5)
X5t
|
0,993035645
|
0,99287606
|
0,992838464
|
0,993252615
|
0,99343268
|
781 538,4
|
771 517,1
|
761 495,8
|
751 474,5
|
721 456,8
|
623 458,8
|
771 517,1
|
761 495,8
|
751 474,5
|
721 456,8
|
623 458,8
|
512 393,6
|
761 495,8
|
751 474,5
|
721 456,8
|
623 458,8
|
512 393,6
|
472 470,9
|
751 474,5
|
721 456,8
|
623 458,8
|
512 393,6
|
472 470,9
|
439 116,8
|
721 456,8
|
623 458,8
|
512 393,6
|
472 470,9
|
439 116,8
|
372 804,8
|
623 458,8
|
512 393,6
|
472 470,9
|
439 116,8
|
372 804,8
|
323 606,8
|
512 393,6
|
472 470,9
|
439 116,8
|
372 804,8
|
323 606,8
|
289 755,9
|
472 470,9
|
439 116,8
|
372 804,8
|
323 606,8
|
289 755,9
|
268 672,1
|
439 116,8
|
372 804,8
|
323 606,8
|
289 755,9
|
268 672,1
|
215 932,7
|
372 804,8
|
323 606,8
|
289 755,9
|
268 672,1
|
215 932,7
|
166 433,4
|
323 606,8
|
289 755,9
|
268 672,1
|
215 932,7
|
166 433,4
|
142 564,7
|
289 755,9
|
268 672,1
|
215 932,7
|
166 433,4
|
142 564,7
|
103 951,3
|
268 672,1
|
215 932,7
|
166 433,4
|
142 564,7
|
103 951,3
|
83 158,8
|
215 932,7
|
166 433,4
|
142 564,7
|
103 951,3
|
83 158,8
|
67 274,7
|
166 433,4
|
142 564,7
|
103 951,3
|
83 158,8
|
67 274,7
|
61 806,9
|
142 564,7
|
103 951,3
|
83 158,8
|
67 274,7
|
61 806,9
|
68 484,1
|
103 951,3
|
83 158,8
|
67 274,7
|
61 806,9
|
68 484,1
|
41 243,8
|
83 158,8
|
67 274,7
|
61 806,9
|
68 484,1
|
41 243,8
|
90 807,0
|
67 274,7
|
61 806,9
|
68 484,1
|
41 243,8
|
90 807,0
|
31 251,0
|
61 806,9
|
68 484,1
|
41 243,8
|
90 807,0
|
31 251,0
|
0,0
|
68 484,1
|
41 243,8
|
90 807,0
|
31 251,0
|
0,0
|
0,0
|
41 243,8
|
90 807,0
|
31 251,0
|
0,0
|
0,0
|
0,0
|
90 807,0
|
31 251,0
|
0,0
|
0,0
|
0,0
|
0,0
|
31 251,0
|
0,0
|
0,0
|
0,0
|
0,0
|
0,0
|
Так как более точной является Q-статистика Льюнга-Бокса, для анализа она является более предпочтительной. Анализ автокорреляции в программе Statistica помимо коэффициентов автокорреляции автоматически рассчитывает Q-статистику Льюнга-Бокса и значимость для каждого коэффициента. Проверка значимости по Q-статистике Льюнга-Бокса равна
Коэффициенты являются значимыми. Параметр отражает зависимость от двух прошлых периодов.
Таблица 2.47- Коэффициенты автокорреляции переменной (Х6)
X6t
|
0,886939
|
0,870376
|
0,865210
|
0,864125
|
0,854120
|
1 387,45
|
1 362,15
|
1 357,91
|
1 358,12
|
1 342,76
|
1 287,68
|
1 362,15
|
1 357,91
|
1 358,12
|
1 342,76
|
1 287,68
|
1 774,12
|
1 357,91
|
1 358,12
|
1 342,76
|
1 287,68
|
1 774,12
|
639,29
|
1 358,12
|
1 342,76
|
1 287,68
|
1 774,12
|
639,29
|
1 279,72
|
1 342,76
|
1 287,68
|
1 774,12
|
639,29
|
1 279,72
|
3 452,52
|
1 287,68
|
1 774,12
|
639,29
|
1 279,72
|
3 452,52
|
1 351,68
|
1 774,12
|
639,29
|
1 279,72
|
3 452,52
|
1 351,68
|
322,46
|
639,29
|
1 279,72
|
3 452,52
|
1 351,68
|
322,46
|
242,30
|
1 279,72
|
3 452,52
|
1 351,68
|
322,46
|
242,30
|
240,83
|
3 452,52
|
1 351,68
|
322,46
|
242,30
|
240,83
|
172,10
|
1 351,68
|
322,46
|
242,30
|
240,83
|
172,10
|
323,85
|
322,46
|
242,30
|
240,83
|
172,10
|
323,85
|
198,77
|
242,30
|
240,83
|
172,10
|
323,85
|
198,77
|
73,69
|
240,83
|
172,10
|
323,85
|
198,77
|
73,69
|
90,94
|
172,10
|
323,85
|
198,77
|
73,69
|
90,94
|
86,45
|
323,85
|
198,77
|
73,69
|
90,94
|
86,45
|
85,13
|
198,77
|
73,69
|
90,94
|
86,45
|
85,13
|
84,99
|
73,69
|
90,94
|
86,45
|
85,13
|
84,99
|
86,42
|
90,94
|
86,45
|
85,13
|
84,99
|
86,42
|
85,21
|
86,45
|
85,13
|
84,99
|
86,42
|
85,21
|
0,0
|
85,13
|
84,99
|
86,42
|
85,21
|
0,0
|
0,0
|
84,99
|
86,42
|
85,21
|
0,0
|
0,0
|
0,0
|
86,42
|
85,21
|
0,0
|
0,0
|
0,0
|
0,0
|
85,21
|
0,0
|
0,0
|
0,0
|
0,0
|
0,0
|
Так как более точной является Q-статистика Льюнга-Бокса, для анализа она является более предпочтительной. Анализ автокорреляции в программе Statistica помимо коэффициентов автокорреляции автоматически рассчитывает Q-статистику Льюнга-Бокса и значимость для каждого коэффициента. Проверка значимости по Q-статистике Льюнга-Бокса равна |
Скачать 1.08 Mb.