რატომ არის ავტოკორელაცია ცუდი?

2024 ავტორი: Miles Stephen | [email protected]. ბოლოს შეცვლილი: 2023-12-15 23:37

Ამ კონტექსტში, ავტოკორელაცია ნარჩენებზე არის ' ცუდი ', რადგან ეს ნიშნავს, რომ თქვენ საკმარისად არ აყალიბებთ კორელაციას მონაცემთა წერტილებს შორის. მთავარი მიზეზი, რის გამოც ადამიანები სერიებს არ განსხვავდებიან, არის ის, რომ მათ რეალურად სურთ ძირეული პროცესის მოდელირება ისე, როგორც ეს არის.

შესაბამისად, რატომ გვჭირდება ავტოკორელაცია?

ავტოკორელაცია , ასევე ცნობილი როგორც სერიული კორელაცია, არის სიგნალის კორელაცია დაყოვნებულ ასლთან დაყოვნების ფუნქციით. ის არის ხშირად გამოიყენება სიგნალის დამუშავებაში ფუნქციების ან მნიშვნელობების სერიის ანალიზისთვის, როგორიცაა დროის დომენის სიგნალები.

ასევე, რას გვეუბნება დურბინ უოტსონი? სტატისტიკაში, დურბინი – უოტსონი სტატისტიკა არის სატესტო სტატისტიკა, რომელიც გამოიყენება რეგრესიის ანალიზის შედეგად ნარჩენებში (პროგნოზის შეცდომები) 1-ში ავტოკორელაციის არსებობის დასადგენად.

ანალოგიურად შეიძლება ვიკითხოთ, რა შედეგები მოჰყვება ავტოკორელაციას ხაზოვან რეგრესიაში?

The ავტოკორელაციის ეფექტი OLS შემფასებლის თანმიმდევრულობის თვისებებზე შეცდომებს შორის. Ში ხაზოვანი რეგრესია მოდელი მაშინაც კი, როდესაც შეცდომები ავტოკორელირებული და არანორმალურია ჩვეულებრივი უმცირესი კვადრატების (OLS) შემფასებელი რეგრესია კოეფიციენტები () ალბათობით გადადის β-მდე.

რა მოხდება, თუ შეცდომის ტერმინები დაკავშირებულია?

შეცდომის პირობები მოხდეს როდესაც მოდელი არ არის სრულიად ზუსტი და იწვევს განსხვავებულ შედეგებს რეალურ სამყაროში აპლიკაციების დროს. როდესაც შეცდომის პირობები სხვადასხვა (ჩვეულებრივ მომიჯნავე) პერიოდებიდან (ან განივი დაკვირვებები) არის კორელაცია , შეცდომის ვადა არის სერიული კორელაცია.