Защо автокорелацията е лоша?
Защо автокорелацията е лоша?

Видео: Защо автокорелацията е лоша?

Видео: Защо автокорелацията е лоша?
Видео: Сиана - Защо 2024, Може
Anonim

В този контекст, автокорелация върху остатъците е ' лошо “, защото това означава, че не моделирате достатъчно добре корелацията между точките от данни. Основната причина хората да не правят разлика между сериите е, че всъщност искат да моделират основния процес такъв, какъвто е.

Следователно защо се нуждаем от автокорелация?

Автокорелация , известен също като серийна корелация, е корелацията на сигнал със забавено копие на самия себе си като функция на забавянето. То е често се използва при обработката на сигнали за анализиране на функции или серии от стойности, като сигнали от времева област.

Също така, какво ни казва Дърбин Уотсън? В статистиката, Дърбин – Уотсън статистиката е тестова статистика, използвана за откриване на наличието на автокорелация при лаг 1 в остатъците (прогнозни грешки) от регресионен анализ.

По подобен начин може да се запитаме какви са последствията от автокорелацията в линейната регресия?

В ефекти на автокорелация сред грешките в свойството на консистентност на OLS оценителя. В линейна регресия модел дори когато грешките са автокорелирани и ненормални, обикновеният оценител на най-малките квадрати (OLS) на регресия коефициенти () се доближава по вероятност до β.

Какво се случва, ако термините за грешка са свързани?

Термини за грешка възникне кога моделът не е напълно точен и води до различни резултати по време на приложения в реалния свят. Когато грешки условия от различни (обикновено съседни) периоди (или наблюдения на напречното сечение) са корелирани , на термин за грешка е серийно корелирани.

Препоръчано: