Автокорреляция всегда легко устраняется:
В авторегрессионном процессе первого порядка случайные возмущения коррелированы и образуют наиболее простой процесс:
В большинстве современных компьютерных пакетов применение теста серий осуществляется специальной командой, и нет необходимости оценивать регрессию типа непосредственно:
В качестве фиктивных переменных обычно используются дихотомические (бинарные, булевы) переменные, которые принимают всего два значения: 0 или 1:
В число регрессоров в моделях временных рядов включаются только константа и временной тренд:
Всегда можно объединить две выборки в одну и рассматривать единую модель регрессии Y по X:
Графически положительная автокорреляция выражается в чередовании зон, где наблюдаемые значения оказываются выше объясненных (предсказанных), и зон, где наблюдаемые значения ниже:
Для устранения мультиколлинеарности может быть использован переход от исходных объясняющих переменных, связанных между собой достаточно тесной корреляционной зависимостью, к любым новым переменным:
Если автокорреляция присутствует, то наибольшее влияние на последующее наблюдение оказывает результат предыдущего наблюдения:
Если с экономической точки зрения ни одной из переменных нельзя отдать предпочтение, то оставляют ту из двух переменных, которая имеет больший коэффициент корреляции с зависимой переменной:
Критические значения d-статистики Дарбина–Уотсона определены для любых объемов выборки:
Практическое применение теста Бреуша–Годфри заключается в оценивании методом наименьших квадратов регрессии:
Такая ситуация, когда сумма значений нескольких переменных, включенных в регрессию, равна постоянному числу (единице), получила название dummy trap, или "ловушки":
Тест Дарбина–Уотсона представляет собой статистический критерий:
Число вводимых бинарных переменных должно быть существенно больше числа уровней (градаций) качественного признака: