Bir OLS regresyonu yapıp ortaya çıkan kalıntıları çizdiğinizde, kalıntıların otokorelasyonu olup olmadığını nasıl anlarsınız? Bunun için testler olduğunu biliyorum (Durbin, Breusch-Godfrey), ancak otokorelasyonun bir sorun olup olmadığını ölçmek için bir arsaya bakıp bakamayacağınızı merak ediyordum (çünkü heteroskedastisite için bunu yapmak oldukça kolaydır).
Artıkların bir grafikten otokorelasyonu olup olmadığı nasıl anlaşılır
Yanıtlar:
Sadece bir komploya bakmakla kalmaz , bence bu genellikle daha iyi bir seçenektir. Bu durumda hipotez testi yanlış soruya cevap verir.
Bakılacak genel çizim, artıkların bir otokorelasyon fonksiyonu (ACF) olacaktır.
Otokorelasyon fonksiyonu kendi gecikme ile (bir zaman serisi olarak) artıkların korelasyon olduğunu.
Örneğin, Montgomery ve ark.
Bazı örnek korelasyonlar (örneğin 1,2 ve 8 gecikmelerde) özellikle küçük değildir (ve bu nedenle işleri önemli ölçüde etkileyebilir), fakat aynı zamanda gürültünün etkisinden de söz edilemez (örnek çok küçüktür).
Düzenleme: İşte ilişkisiz ve yüksek korelasyonlu bir dizi (aslında, durağan olmayan bir dizi) arasındaki farkı göstermek için bir çizim
Üst grafik beyaz gürültüdür (bağımsız). Alt olan rastgele bir yürüyüştür (farklılıkları orijinal seri) - çok güçlü otokorelasyona sahiptir.
1
Cevap için teşekkürler. Wiki'deki ( en.wikipedia.org/wiki/File:Acf_new.svg ) parsellere baktığınızda , üst arsadan (ACF arsa değil) kalanların otokorelandığını söyleyebilir misiniz?
—
John Doe
"Hımm, belirsiz döngüsel görünüyor ... otokorelasyon olabilir, olmayabilir. ACF neye benziyor?"
—
Glen_b-Monica'yı
Tamam, ama bunu biraz açıklayabilir misiniz: Örneğin, şu soruyu buldum: stats.stackexchange.com/questions/14914/… Görünüşe göre otokorelasyon var. Bu sonuca varmak için özellikle ne arıyorum?
—
John Doe
Tabii ki, biri pozitif otokorelasyon üretecek bir şey gösteriyor (muhtemelen eğilime ve eğilime olan bağımlılığa indirgedim). Göz önünde bulundurun - gözlemler bağımsızsa, uzun bir koşunun ortalamanın ya da diğerinin bir tarafında olma şansını düşünün, karşı tarafta hiçbiri yoktur. Bence en iyi ilk seçenek, çeşitli seviyelerde otokorelasyonlu verileri simüle etmek ve ona bakmaktır.
—
Glen_b-Monica'yı
Veriler rastgele dağıtıldığında otokorelasyonunuz olmadığını anlıyorum. Ancak, otokorelasyonun bir göstergesi olarak, veriler rastgele dağıtılmadığında veya bir çeşit kalıp oluşturduğunuzda yeterli midir (örneğin, yüksek değere sahip bir veri noktasının ardından yüksek değere sahip birden fazla veri noktası gelir)?
—
John Doe
Otokorelasyon değerlerinin% 5'i veya daha azı, örnekleme varyasyonuna bağlı olabileceğinden aralıkların dışında kalması olağandışı değildir. Bir uygulama, ilk 20 değer için otokorelasyon grafiği üretmek ve birden fazla değerin izin verilen aralıkların dışında olup olmadığını kontrol etmektir.