Error of Reg.= 0.169701
Log(likelihood) = 12.7898 Durbin-Watson = 1.90360
Schwarz Criterion = 5.98742 F ( 3, 26) = 47.5619
Akaike Criterion = 8.78981 Significance = 0.000000
Autocorrelation Estimation Summary
Initial Rho(1) = 0.00000 Final Rho(1) = 0.27400
Std Error of Rho(1) = 0.17559 t-value (sig) = 1.560 (0.131)
Used 10001 Hildreth-Lu iterations.

Keďže problém autokorelácie sa nepodarilo vyriešiť Cochrane-Orcuttovou metódou - výsledky viedli do
nekonečna - použil som iteračnú metódu Hilderuth - Lu s kritériom 0,0001. Výsledný model má náhodné
rezíduá a vysvetľuje rovnakých 84% CPI. Takisto je štatisticky významný, podobne ako všetky parametre okrem
ró. A to je práve práve problém, pretože od tohto parametra závisí či výsledky možno považovať za neskreslené.
Recipročný model

Použiť recipročnú hodnotu premennej má ekonomický zmysel len pri premennej USD, lebo sa jedná o
menová kurz, ktorý má zmysel invertovať - dostaneme zahraničný kurz Slovenskej koruny. Plati rovnaké
predpoklady o premenných ako v predchádzajúcom modeli.

CPIt = f(CPIt-1,M1t-1,1/USD)

REGRESS : dependent variable is CPI
Using 1995Q1-2002Q3
Variable Coefficient Std Err T-stat Signf
^CONST 27.4960 7.05674 3.89641 0.001
CPI1 0.440688 0.137272 3.21033 0.003
M11 -0.884930E-01 0.229301E-01 -3.85925 0.001
RUSD -348.399 107.609 -3.23763 0.003
Equation Summary
No. of Observations = 31 R2= 0.7772 (adj)= 0.7524
Sum of Sq. Resid. = 73.5309 Std. Error of Reg.= 1.65026
Log(likelihood) = -57.3747 Durbin-Watson = 1.72782
Schwarz Criterion = -64.2427 F ( 3, 27) = 31.3950
Akaike Criterion = -61.3747 Significance = 0.000000

Výsledky regresnej analýzy nie sú uspokojujúce. Menšie R2 a od želanej hodnoty 2 vzdialenejšia Durbin-
Watson štatistika. Asi ani nemá zmysel sa týmto modelom ďalej zaoberať.

5 Porovnanie odhadnutých modelov

Teraz v krátkosti zhrniem modely, ktoré som spracoval.

Všetky modely sú štatisticky významné, čo sme testovali F-testom. Väčšina parametrov v modeloch je
štatisticky významná. Výnimkou je úrovňová konštanta jednoduchého autoregresného modelu, ktorá naznačuje
potrebu zaradenia ďalších vysvetľujúcich premenných do modelu. Na vývoj inflácie nevplýva ani aktuálna
peňažná masa M1, lebo jej vplyv sa prejaví v ďalšom období.
Výrazne autokorelované metódy sme upravili Cochrane-Orcuttovou metódou v lineárnom respektíve
Hilderuth-Lu metódou v semilogaritmickom modeli.
Najlepším modelom sa javí CPIt = f(CPIt-1,M1t-1,USD). Dobrým je i semilogaritmický model. Tu je
však o čosi väčšia autokorelácia.