Miksi autokorrelaatio on huono?
Miksi autokorrelaatio on huono?

Video: Miksi autokorrelaatio on huono?

Video: Miksi autokorrelaatio on huono?
Video: Miten Suomi korjataan? Feat. Sanna Kurronen | #rahapodi 292 2024, Saattaa
Anonim

Tässä asiayhteydessä, autokorrelaatio jäännöksissä on ' huono ', koska se tarkoittaa, että et mallinna tietopisteiden välistä korrelaatiota tarpeeksi hyvin. Suurin syy siihen, miksi ihmiset eivät eroa sarjasta, on se, että he todella haluavat mallintaa taustalla olevan prosessin sellaisena kuin se on.

Näin ollen, miksi tarvitsemme autokorrelaatiota?

Autokorrelaatio , joka tunnetaan myös sarjakorrelaationa, On signaalin korrelaatio itsensä viivästetyn kopion kanssa viiveen funktiona. Se On käytetään usein signaalinkäsittelyssä funktioiden tai arvosarjojen, kuten aikatason signaalien, analysointiin.

Mitä Durbin Watson kertoo meille? Tilastoissa, Durbin – Watson tilasto on testitilasto, jota käytetään havaitsemaan autokorrelaation esiintyminen viiveellä 1 regressioanalyysin jäännöksissä (ennustusvirheet).

Samalla tavalla voidaan kysyä, mitä seurauksia autokorrelaatiolla on lineaarisessa regressiossa?

The autokorrelaation vaikutuksia OLS-estimaattorin johdonmukaisuusominaisuuden virheiden joukossa. Jonkin sisällä lineaarinen regressio malli, vaikka virheet ovat autokorreloituja ja epänormaalit, tavallinen pienimmän neliösumman (OLS) estimaattori regressio kertoimet () konvergoi todennäköisyydessään arvoon β.

Mitä tapahtuu, jos virhetermit korreloivat?

Virheehdot esiintyä kun malli ei ole täysin tarkka ja johtaa erilaisiin tuloksiin todellisissa sovelluksissa. Kun virheelliset ehdot eri (yleensä vierekkäisistä) jaksoista (tai poikkileikkaushavainnoista) ovat korreloivat , virhetermi on sarjassa korreloivat.

Suositeltava: