Autokorrelation (serielle Korrelation) ist die Korrelation einer Reihe von Daten mit sich selbst mit einer gewissen Verzögerung. Dies ist ein wichtiges Thema in der Zeitreihenanalyse.
Ich möchte nur überprüfen, ob ich die ACF- und PACF-Diagramme richtig interpretiere: Die Daten entsprechen den Fehlern, die zwischen den tatsächlichen Datenpunkten und den unter Verwendung eines AR (1) -Modells erzeugten Schätzungen erzeugt wurden. Ich habe mir die Antwort hier angesehen: Schätzen Sie die ARMA-Koeffizienten durch ACF- und PACF-Inspektion Nachdem …
Ich versuche, ein zeitdiskretes Modell in R einzubauen, bin mir aber nicht sicher, wie ich das machen soll. Ich habe gelesen, dass Sie die abhängige Variable in verschiedenen Zeilen organisieren können, eine für jede glmZeitbeobachtung , und die Funktion mit einem Logit- oder Cloglog-Link verwenden können. In diesem Sinne, ich …
Stellen Sie sich das folgende Problem vor. Ich habe wöchentliche Schnappschüsse von Preisdaten von K Artikeln sowie von verschiedenen Funktionen / Prädiktoren. Ich möchte vorhersagen, um wie viel sich der Preis in 2 Jahren ändern wird. Ich setze meinen Datensatz wie folgt zusammen: Jede Zeile besteht aus Funktionen für jeden …
Ich plane, Koordinaten als Kovariaten in die Regressionsgleichung aufzunehmen, um den in den Daten vorhandenen räumlichen Trend anzupassen. Danach möchte ich Residuen auf räumliche Autokorrelation in zufälliger Variation testen. Ich habe mehrere Fragen: Sollte ich eine lineare Regression durchführen, bei der nur unabhängige Variablen und Koordinaten sind, und dann Residuen …
Ich habe eine Zeitreihe von Messungen (Höhen-eindimensionale Reihen). Im Beobachtungszeitraum ging der Messvorgang für einige Zeitpunkte zurück. Die resultierenden Daten sind also ein Vektor mit NaNs, bei dem es Lücken in den Daten gab. Bei Verwendung von MATLAB verursacht dies ein Problem bei der Berechnung der Autokorrelation ( autocorr) und …
Beide Variablen (abhängig und unabhängig) zeigen Autokorrelationseffekte. Die Daten sind Zeitreihen und stationär Wenn ich die Regressionsreste ausführe, scheinen sie nicht korreliert zu sein. Meine Durbin-Watson-Statistik ist größer als der obere kritische Wert, daher gibt es Hinweise darauf, dass Fehlerterme nicht positiv korreliert sind. Auch wenn ich ACF auf Fehler …
Ich versuche, die Berechnung zu replizieren, die SAS und SPSS für die partielle Autokorrelationsfunktion (PACF) durchführen. In SAS wird es durch Proc Arima hergestellt. Die PACF-Werte sind die Koeffizienten einer Autoregression der interessierenden Reihe auf verzögerte Werte der Reihe. Meine interessierende Variable ist der Umsatz, daher berechne ich lag1, lag2 …
Hat die Autokorrelationsfunktion bei einer instationären Zeitreihe eine Bedeutung? Die Zeitreihen werden im Allgemeinen als stationär angenommen, bevor die Autokorrelation für Box- und Jenkins-Modellierungszwecke verwendet wird.
Meine Rohdaten bestehen aus einer 60-Tage-Zeitreihe mit einem Abwärtstrend. Die Daten sind wöchentlich, daher wird die Frequenz auf 7 eingestellt. Ich habe die Differenz der Daten berechnet, die so aussieht Wenn ich ACF- und PACF-Diagramme über den Unterschied durchführe, erhalte ich scheinbar widersprüchliche Ergebnisse? Der ACF zeigt einen positiven Einfluss …
Nach dem, was ich gelesen habe, ist Hamiltonian Monte Carlo die "goto" MCMC-Methode, wenn Ihr Problem hochdimensional ist. Wie viele Dimensionen 10, 100, 1000, 10.000, 100.000, ... sind praktisch zu viele? Die Rechenkosten werden zweifellos zu einem Problem, und ich nehme an, dass das verwendete Modell wichtig ist, aber abgesehen …
Ich bin mir ziemlich sicher, dass mir hier etwas Offensichtliches fehlt, aber ich bin ziemlich verwirrt mit verschiedenen Begriffen im Bereich der Zeitreihen. Wenn ich es richtig verstehe, sind seriell autokorrelierte Fehler ein Problem in Regressionsmodellen (siehe zum Beispiel hier ). Meine Frage ist nun, was genau einen autokorrelierten Fehler …
Direkte Frage: Gibt es ein Maß für die Autokorrelation für eine Folge von Beobachtungen einer (ungeordneten) kategorialen Variablen? Hintergrund: Ich verwende MCMC, um eine Stichprobe aus einer kategorialen Variablen zu erstellen, und ich möchte messen, wie gut sich die von mir entwickelte Stichprobenmethode über die hintere Verteilung mischt. Ich bin …
Um diese Frage genauer zu erläutern, werde ich zunächst meinen Ansatz erläutern: Ich simulierte eine Folge unabhängiger Zufallszahlen .X={x1,...,xN}X={x1,...,xN}X = \{x_1,...,x_N\} Ich nehme dann mal den Unterschied; dh ich erstelle die Variablen:LLL dX1={X(2)−X(1),...,X(N)−X(N−1)}dX1={X(2)−X(1),...,X(N)−X(N−1)}dX_{1} = \{X(2)-X(1),...,X(N)-X(N-1)\} dX.2= { dX.1( 2 ) - dX.1( 1 ) , . . . , dX.1( …
Ich kann mich nicht mit dieser Eigenschaft stationärer Reihen und der Autokorrelationsfunktion auseinandersetzen. Das muss ich beweisen ∑h=1n−1ρ^(h)=−12∑h=1n−1ρ^(h)=−12\begin{align} \sum_{h=1}^{n-1}\hat\rho(h)=-\frac{1}{2} \end{align} Wobei und die Autokovarianzfunktion istγ(h)ρ^(h)=γ^(h)γ^(0)ρ^(h)=γ^(h)γ^(0)\hat\rho(h)=\displaystyle\frac{\hat\gamma(h)}{\hat\gamma(0)}γ^(h)γ^(h)\hat\gamma(h) γ^(h)=1n∑t=1n−h(Xt−X¯)(Xt+h−X¯)γ^(h)=1n∑t=1n−h(Xt−X¯)(Xt+h−X¯)\begin{align} \hat\gamma(h) = \frac{1}{n}\sum_{t=1}^{n-h}(X_t-\bar{X})(X_{t+h}-\bar{X}) \end{align} Hoffentlich kann mir jemand mit einem Beweis helfen oder mich zumindest in die richtige Richtung weisen.
Ich mache nur ein paar Gedankenspiele, die meine Statistiknotizen durchgehen ... Ich habe ACFs mit negativen Werten bei den Verzögerungen 1 und 2 gesehen - ich habe hier vielleicht einen leeren Kopf, aber würde ein hoher negativer AC bei Verzögerung 1 nicht eine Reihe wie (-1,1, -1,1, ...), und als …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.