В статье излагаются методологические и методические основы построения регрессионных моделей, адекватно отражающих действительность. Основное внимание сосредоточено на методах устранения автокорреляции остатков моделей. Приводятся алгоритмы устранения гетероскедастичности и автокорреляции остатков регрессионной модели: взвешенный метод наименьших квадратов, метод Кохрана-Оркутта. Построены модели «чистой» регрессии, а также, для сравнения влияния на зависимую переменную различных объясняющих переменных, когда последние выражаются разными единицами измерения, уравнение регрессии в стандартизованной форме. Разработана схема применения методов устранения гетероскедастичности и автокорреляции для построения регрессионных моделей характерных для социально-культурной сферы.
The article presents the methodological and technical bases for the creation of regression models that adequately reflect reality. The focus is on methods of removing residual autocorrelation in models. Algorithms eliminating heteroscedasticity and autocorrelation of the regression model residuals: reweighted least squares method, the method of Cochran-Orkutta are given. A model of "pure" regression is build, as well as to compare the effect on the dependent variable of the different explanatory variables when the latter are expressed in different units, a standardized form of the regression equation. The scheme of abatement techniques of heteroskedasticity and autocorrelation for the creation of regression models specific to the social and cultural sphere is developed.
The authors declare that there are no conflicts of interest present.