Hvorfor er autokorrelasjon dårlig?
Hvorfor er autokorrelasjon dårlig?

Video: Hvorfor er autokorrelasjon dårlig?

Video: Hvorfor er autokorrelasjon dårlig?
Video: Multicollinearity | Heteroscedasticity | Autocorrelation | Problem in Regression Analysis Explained 2024, Kan
Anonim

I denne sammenhengen, autokorrelasjon på restene er ' dårlig ', fordi det betyr at du ikke modellerer korrelasjonen mellom datapunkter godt nok. Hovedgrunnen til at folk ikke skiller serien er fordi de faktisk ønsker å modellere den underliggende prosessen slik den er.

Følgelig, hvorfor trenger vi autokorrelasjon?

Autokorrelasjon , også kjent som seriell korrelasjon, er korrelasjonen av et signal med en forsinket kopi av seg selv som en funksjon av forsinkelse. Den er ofte brukt i signalbehandling for å analysere funksjoner eller serier av verdier, for eksempel tidsdomenesignaler.

Dessuten, hva forteller Durbin Watson oss? I statistikken Durbin – Watson statistikk er en teststatistikk som brukes til å oppdage tilstedeværelsen av autokorrelasjon ved lag 1 i residualene (prediksjonsfeil) fra en regresjonsanalyse.

På samme måte kan man spørre seg, hva er konsekvensene av autokorrelasjon ved lineær regresjon?

De effekter av autokorrelasjon blant feil på konsistensegenskapen til OLS-estimator. I en lineær regresjon modell selv når feilene er autokorrelerte og ikke-normale, er den ordinære minste kvadraters (OLS) estimatoren til regresjon koeffisienter () konvergerer i sannsynlighet til β.

Hva skjer hvis feiltermer er korrelert?

Feilvilkår skje når en modell er ikke helt nøyaktig og resulterer i forskjellige resultater under virkelige applikasjoner. Når feiltermer fra forskjellige (vanligvis tilstøtende) perioder (eller tverrsnittsobservasjoner) er korrelert , den feilbegrep er serielt korrelert.

Anbefalt: