Otokorelasyonun amacı nedir?

Otokorelasyon neden bu kadar önemlidir? Bunun prensibini anladım (Sanırım ..) ama aynı zamanda otokorelasyonun olmadığı örneklerde olduğu gibi merak ediyorum: Doğada her şey bir şekilde otokore değil midir? Son nokta, otokorelasyonun genel olarak anlaşılmasını amaçlamaktır, çünkü bahsettiğim gibi, evrendeki her devlet bir öncekine bağlı değil mi?

Otokorelasyonun, otokore olmayan işlemlerin ve modellerin yapmadığı şekilleri gösteren birçok düz dil yorumu vardır:

• Bir otomatik ilişkili değişken, önceki değerlerinin hafızasına sahiptir . Bu tür değişkenler daha önce neler olduğuna bağlı olarak davranış gösterir. Bellek, gözlem süresine göre uzun veya kısa olabilir; hafıza sonsuz olabilir; hafıza negatif olabilir (örneğin salınımlı olabilir). Yol gösterici teorileriniz geçmişin (bir değişkenin) bizimle kaldığını söylüyorsa, o zaman otokorelasyon bunun bir ifadesidir. (Bkz. Örneğin Boef, SD (2001). Denge ilişkilerinin modellenmesi: Güçlü otoregresif verilere sahip hata düzeltme modelleri . Politik Analiz , 9 (1), 78-94 ve ayrıca de Boef, S. ve Keele, L. ( 2008). Ciddi Zaman Ayırmak . Siyaset Bilimi American Journal , 52 (1), 184-200.)

• Bir otomatik ilişkili değişken, dinamik bir sistemi ifade eder . Dinamik sistemlerin davranışları hakkında sorduğumuz ve cevapladığımız sorular, dinamik olmayan sistemler hakkında sorduğumuzdan farklı. Örneğin, ne zaman nedensel etkileri bir sistem ve gir ne kadar zaman içinde bir noktada bir pertürbasyon etkiler alakalı olmasını otokorelasyonlu modellerin dilinde cevaplandırılır. (Bkz. Örneğin Levins, R. (1998). Diyalektik ve Sistem Teorisi . Science & Society , 62 (3), 375-399, ayrıca aşağıdaki Pesaran alıntı.)

• Kendiliğinden ilişkilendirilen bir değişken, zaman serisi modellemeye ihtiyaç duyulduğunu gösterir (eğer dinamik sistem modellemesi yoksa). Zaman serisi metodolojileri, veri üretme sürecinin belirgin ayrıntılarını yakalamaya çalışan otoregresif davranışlara (ve hataların zamana bağlı bir modellemesi olan hareketli ortalamaya) dayanmaktadır ve örneğin; Otokorelasyonu olmayan dinamik olmayan bir modelde değişken olarak bir zaman ölçüsü içeren basitçe "boyuna modeller" olarak adlandırılır . Örneğin, bkz. Pesaran, MH (2015) Ekonometride Zaman Serileri ve Panel Verileri , New York, NY: Oxford University Press.

Uyarı: Herhangi bir hafıza yapısını, genel olarak değişkene, kısa vadeli, uzun vadeli, birim kök, patlayıcı, vb. Özelliklerinden bağımsız olarak ima etmek için "otoregresyon" ve "otoregressive" kullanıyorum .

Bir cevapta bir girişim.

Otokorelasyon yordayıcılar arasındaki diğer ilişkilerden farklı değildir. Sadece yordayıcının ve bağımlı değişkenin aynı zaman dizisi olması, sadece gecikmesi.

Evrendeki her devlet bir öncekine bağlı değil mi?

Evet kesinlikle. Tıpkı evrendeki her nesnenin durumu, her türlü fiziksel güç aracılığıyla diğer tüm nesnelere bağlıdır. Asıl soru, ilişkinin tespit edilebilecek kadar güçlü mü yoksa durumları tahmin etmemize yardımcı olacak kadar güçlü mü olduğu.

Aynı şey otokorelasyon için de geçerlidir. Her zaman orada. Soru, onu modellememiz gerekip gerekmediği veya modellemenin sadece ek bir belirsizlik getirip getirmediği (yanlılık değişimi), bizi modellememekten daha da kötüleştiriyor .

Kişisel işimden bir örnek: Süpermarket satışlarını tahmin ediyorum. Hanehalkımın süt tüketimi oldukça düzenli. Üç veya dört gün içinde hiç süt almadıysam, şansım yüksek, bugün veya yarın süt almaya geleceğim. Süpermarket ailemin süt talebini tahmin etmek istiyorsa , bu otokorelasyonu dikkate almalıdırlar.

Ancak, süpermarketimdeki tek müşteri ben değilim. Orada yiyeceklerini satın alan başka bir 2.000 hane vardır. Her birinin süt tüketimi tekrar otomatik olarak ilişkilidir. Ancak, herkesin tüketim hızı farklı olduğu için, toplamdaki otokorelasyon o kadar fazla azalır ki, onu daha fazla modellemenin bir anlamı olmaz. Genel günlük talebe, yani kesişmeye, ortadan kayboldu. Ve süpermarket kime süt sattığını önemsemediğinden, toplam talebi modelleyecektir ve muhtemelen otokorelasyonu içermeyecektir.

(Evet, hafta içi mevsimsellik vardır. Bu bir tür otokorelasyondur, ancak bir hafta önceki aynı haftaya olan talebe değil, bu nedenle haftanın gününe bağlıdır , bu nedenle mevsimsel otokorelasyondan daha hafta içi bir etkiye sahiptir. )

İlk önce, otokorelasyonu değerlendirmenin ve onunla başa çıkmanın amacını kastettiğinizi düşünüyorum. Eğer gerçekten “otokorelasyonun amacı” nı kastediyorsanız, bu felsefe değil istatistiktir.

İkincisi, evrenin durumları önceki durumlarla ilişkilidir, ancak her istatistiksel problem önceki yapı durumlarıyla ilgilenmez. Birçok çalışma kesitseldir.

Üçüncüsü, var olduğunda modellememiz gerekir mi? Yöntemler varsayımlarda bulunur. Regresyon biçimlerinin çoğu, kendi kendine korelasyon olmadığını varsaymaktadır (yani, hatalar bağımsızdır). Bu varsayımı ihlal edersek, sonuçlarımız yanlış olabilir. Ne kadar yanlış? Söylemenin bir yolu normal regresyon ve aynı zamanda otokorelasyonu hesaba katan bazı modeller (örn. Çok düzeyli modeller veya zaman serisi yöntemleri) ve sonuçların ne kadar farklı olduğunu görmek olacaktır. Ancak, genel olarak, oto-korelasyon için hesaplamanın gürültüyü azaltacağını ve modeli daha doğru hale getireceğini düşünüyorum.