Bakit masama ang autocorrelation?
Bakit masama ang autocorrelation?

Video: Bakit masama ang autocorrelation?

Video: Bakit masama ang autocorrelation?
Video: BAKIT MASAMA ANG LOOB NI MISS PHILIPPINES UNIVERSE 1952 SA LARAWANG ITO? | KASAYSAYAN PINOY 2024, Mayo
Anonim

Sa kontekstong ito, autocorrelation sa mga nalalabi ay ' masama ', dahil nangangahulugan ito na hindi ka nagmomodelo ng ugnayan sa pagitan ng mga datapoint nang sapat. Ang pangunahing dahilan kung bakit hindi pinagkaiba ng mga tao ang serye ay dahil gusto talaga nilang i-modelo ang pinagbabatayan na proseso kung ano ito.

Dahil dito, bakit kailangan natin ng autocorrelation?

Autocorrelation , kilala rin bilang serial correlation, ay ang ugnayan ng isang signal na may naantalang kopya ng sarili nito bilang isang function ng pagkaantala. Ito ay kadalasang ginagamit sa pagpoproseso ng signal para sa pagsusuri ng mga function o serye ng mga halaga, gaya ng mga signal ng domain ng oras.

Gayundin, ano ang sinasabi sa amin ni Durbin Watson? Sa istatistika, ang Durbin – Watson Ang istatistika ay isang istatistika ng pagsubok na ginagamit upang makita ang pagkakaroon ng autocorrelation sa lag 1 sa mga nalalabi (mga error sa hula) mula sa isang pagsusuri ng regression.

Katulad nito, maaaring itanong ng isa, ano ang mga kahihinatnan ng autocorrelation sa linear regression?

Ang mga epekto ng autocorrelation sa mga error sa consistency property ng OLS estimator. Sa isang linear regression modelo kahit na ang mga error ay autocorrelated at hindi normal ang ordinary least squares (OLS) estimator ng regression coefficients () converges in probability to β.

Ano ang mangyayari kung magkakaugnay ang mga termino ng error?

Mga tuntunin ng error mangyari kailan ang isang modelo ay hindi ganap na tumpak at nagreresulta sa magkakaibang mga resulta sa panahon ng mga real-world na aplikasyon. Kapag error terms mula sa iba't ibang (karaniwang katabi) na mga panahon (o mga obserbasyon sa cross-section) ay nakakaugnay , ang term ng error ay serial nakakaugnay.

Inirerekumendang: