Waarom is autocorrelatie slecht?
Waarom is autocorrelatie slecht?

Video: Waarom is autocorrelatie slecht?

Video: Waarom is autocorrelatie slecht?
Video: HAC standard errors explained: Newey-West procedure (Excel) 2024, Mei
Anonim

In deze context, autocorrelatie op de restanten staat ' slecht ', omdat het betekent dat je de correlatie tussen datapunten niet goed genoeg modelleert. De belangrijkste reden waarom mensen de serie niet onderscheiden, is omdat ze het onderliggende proces eigenlijk willen modelleren zoals het is.

Waarom hebben we daarom autocorrelatie nodig?

autocorrelatie , ook bekend als seriële correlatie, is de correlatie van een signaal met een vertraagde kopie van zichzelf als functie van vertraging. Het is vaak gebruikt in signaalverwerking voor het analyseren van functies of reeksen waarden, zoals tijddomeinsignalen.

En wat vertelt Durbin Watson ons? In de statistieken is de Durbin – Watson statistiek is een teststatistiek die wordt gebruikt om de aanwezigheid van autocorrelatie bij lag 1 in de residuen (voorspellingsfouten) van een regressieanalyse te detecteren.

Evenzo kan men zich afvragen, wat zijn de gevolgen van autocorrelatie bij lineaire regressie?

De effecten van autocorrelatie onder fouten op de consistentie-eigenschap van de OLS-schatter. In een lineaire regressie model, zelfs wanneer de fouten autogecorreleerd en niet-normaal zijn, de ordinaire kleinste kwadraten (OLS) schatter van de regressie coëfficiënten () convergeert in waarschijnlijkheid naar β.

Wat gebeurt er als fouttermen gecorreleerd zijn?

Fout termen voorkomen wanneer een model is niet helemaal nauwkeurig en resulteert in verschillende resultaten tijdens toepassingen in de echte wereld. Wanneer fout termen uit verschillende (meestal aangrenzende) perioden (of dwarsdoorsnede-waarnemingen) zijn gecorreleerd , de foutterm is serieel gecorreleerd.

Aanbevolen: