Очевидно, что, для того чтобы включить в уравнение
множественной регрессии свободный член, достаточно один
экзогенный
ряд, скажем х
х
, задать в виде единиц. Ла-
говые, запаздывающие- переменные можно ввести в число
экзогенных, полагая, например,
Следует
сказать несколько слов о проблеме мультикол-
линеарности. Мультиколлинеарность, т. е. корреляция меж-
ду независимыми переменными уравнения, имеет место тог-
да, когда
существуют
линейные соотношения
между
экзо-
генными переменными. Сильная мультиколлинеарность час-
то возникает при введении в уравнение лаговых перемен-.
ных. Проблема мультиколлинеарности, неразрывно свя-
занная
с проблемой оценивания параметров уравнения,
рассмотрена практически во
всех
серьезных работах, посвя-
щенных регрессионному анализу. Остается отметить, что
в
нашем
случае
мультиколлинеарность проявляется в
ухуд-
шении
процесса адаптации. Это приводит к
тому,
что оцен-
ки
параметров
могут
значительно искажать представление
о
реальной
структуре
объекта в текущий момент времени.
Проведем эксперимент. Возьмем ряд натуральных чи-
сел от 1 до 20. Легко убедиться в том, что этот ряд точно
воспроизводится авторегрессионной схемой второго поряд-
ка:
f.e. й
1
=
2иа
г
=-1,
Значения этих коэффициентов оце-
ним
с помощью адаптивной модели множественной регрес-
сии.
В качестве начальных оценок весов произвольно поло-
жим
G>
1I0
= 0,5 и (»2,о — 0,5. Процесс адаптации проведем
многократным прогоном модели от значения х = 3 до х =
^ 20, считая в каждом цикле (по 18 итераций в каждом)
начальными те значения параметров, которые были полу-
чены в конце предыдущего цикла. Результаты, приведен-
ные в табл. 8.1,
свидетельствуют
о медленной сходимости
оценок
к истинным значениям параметров при наличии
с
ильной
корреляции экзогенных переменных.
Перед построением модели адаптивной множественной
Регрессии рекомендуем строить обычную множественную
Репрессию методом наименьших квадратов. Это помогает
н
а начальном этапе моделирования определить
структуру
Уравнения множественной регрессии, отобрать переменные
217