Autokorrelation
Den aktuelle version af siden er endnu ikke blevet gennemgået af erfarne bidragydere og kan afvige væsentligt fra den version , der blev gennemgået den 31. januar 2021; checks kræver 3 redigeringer .Autokorrelation er et statistisk forhold mellem sekvenser af værdier af samme serie, taget med et skift, for eksempel for en tilfældig proces , med et skift i tid.
Dette koncept er meget udbredt i økonometri . Tilstedeværelsen af autokorrelation af tilfældige fejl i regressionsmodellen fører til en forringelse af kvaliteten af mindste kvadraters estimater af regressionsparametrene, samt til en overvurdering af teststatistikken, hvormed modellens kvalitet kontrolleres (dvs. , skabes en kunstig forbedring af modellens kvalitet i forhold til dens faktiske nøjagtighedsniveau). Derfor er test af autokorrelation af tilfældige fejl en nødvendig procedure for at opbygge en regressionsmodel.
Autokorrelationskoefficienter er også vigtige i sig selv for ARMA tidsseriemodeller .
Autokorrelationstest
Oftest testes tilstedeværelsen af en førsteordens autoregressiv proces i tilfældige fejl. For at teste nulhypotesen , om autokorrelationskoefficientens lighed til nul, bruges Durbin-Watson-kriteriet oftest . Hvis der er en forsinkelsesafhængig variabel i modellen, er dette kriterium ikke relevant, du kan bruge Durbins asymptotiske h-test . Begge disse tests er designet til at teste autokorrelationen af tilfældige første ordens fejl. For at teste autokorrelationen af højere ordens tilfældige fejl, kan den mere alsidige asymptotiske LM , Breusch-Godfrey-testen, bruges . I denne test behøver tilfældige fejl ikke at være normalfordelt. Testen er også anvendelig i autoregressive modeller (i modsætning til Durbin-Watson testen).
For at teste den fælles hypotese om, at alle autokorrelationskoefficienter er lig nul op til en bestemt rækkefølge, kan du bruge Box-Pearce Q-testen eller Ljung-Box Q-testen
Autokorrelationsfunktion
Autokorrelationsfunktionen viser autokorrelationens afhængighed af størrelsen af skiftet i tid. I dette tilfælde antages tidsseriens stationaritet , hvilket blandt andet betyder autokorrelationers uafhængighed fra tidspunktet. Analysen af autokorrelationsfunktionen (sammen med den delvise autokorrelationsfunktion) muliggør identifikation af rækkefølgen af ARMA- modellerne.
Se også
 Ordbøger og encyklopædier |
|---|