Proč je autokorelace špatná?
Proč je autokorelace špatná?

Video: Proč je autokorelace špatná?

Video: Proč je autokorelace špatná?
Video: Zimní škola I - Vztahy mezi veličinami 2024, Listopad
Anonim

V tomto kontextu, autokorelaci na zbytcích je ' špatný ', protože to znamená, že nemodelujete korelaci mezi datovými body dostatečně dobře. Hlavním důvodem, proč se lidé mezi sériemi neliší, je to, že ve skutečnosti chtějí modelovat základní proces takový, jaký je.

Proč tedy potřebujeme autokorelaci?

Autokorelace , také známý jako sériová korelace, je korelace signálu se zpožděnou kopií sebe sama jako funkce zpoždění. To je často používané při zpracování signálů pro analýzu funkcí nebo řad hodnot, jako jsou signály v časové oblasti.

A co nám říká Durbin Watson? Ve statistikách Durbin – Watson statistika je testovací statistika používaná k detekci přítomnosti autokorelace na lag 1 v reziduích (chybách predikce) z regresní analýzy.

Podobně se lze ptát, jaké jsou důsledky autokorelace v lineární regresi?

The efekty autokorelace mezi chybami ve vlastnosti konzistence odhadu OLS. V lineární regrese model, i když jsou chyby autokorelované a nenormální, obyčejný odhad nejmenších čtverců (OLS) regrese koeficienty () konverguje v pravděpodobnosti k β.

Co se stane, když jsou chybové výrazy korelovány?

Chybové termíny nastat když model není zcela přesný a má za následek různé výsledky během aplikací v reálném světě. Při chybových termínech z různých (obvykle sousedních) období (nebo pozorování průřezů) jsou koreloval , chybový termín je sériově koreloval.

Doporučuje: