Наличие - автокорреляция
Cтраница 1
В случае наличия автокорреляции между уровнями ряда она должна быть устранена. Рассмотрим способы ее исключения в рядах динамики. [1]
 |
Промежутки внутри интервала. [2] |
Дарбина - Уотсона показал наличие автокорреляции в остатках первого порядка. [3]
Какой следует сделать вывод о наличии автокорреляции в модели. [4]
Еще одной причиной избыточности сообщений является наличие автокорреляции и взаимной корреляции значений параметров процесса. На практике сокращение избыточности в этом случае достигается путем введения периодической регистрации значений всех или части параметров. Интервал между циклами периодической регистрации задается достаточно большим и обычно превышает интервал автокорреляции. [5]
Этот простой критерий ( тест) определяет наличие автокорреляции между соседними членами. [6]
Статистика Дарбина-Уотсона, безусловно, является наиболее важным индикатором наличия автокорреляции. Однако, как уже отмечалось, тест обладает и определенными недостатками. [7]
Это приводит к необходимости использовать также и другие тесты на наличие автокорреляции. Во всех этих тестах в качестве основной гипотезы Щ фигурирует гипотеза об отсутствии автокорреляции. [8]
Рассчитайте значение статистики DW ( Дарбина-Уотсона) и сделайте вывод о наличии автокорреляции в ряду остатков. [9]
Естественно, что в случае отсутствия автокорреляции выборочный коэффициент г окажется не сильно отличающимся от нуля, а значение статистики d будет близко к двум. Близость наблюдаемого значения к нулю должна означать наличие положительной автокорреляции, к четырем - отрицательной. [10]
Проверка значимости коэффициентов автокорреляции проводится при помощи критерия стандартной ошибки и Q-критерия Бокса - Пирса. Два критерия предлагаются потому, что существуют два подхода к проверке наличия автокорреляции. При первом подходе подразумевается использование критерия стандартной ошибки, проверяются коэффициенты автокорреляции каждого порядка отдельно, чтобы выявить, какие из них значимы. Второй подход использует 0-критерий Бокса - Пирса для того, чтобы проверить на значимость все множество коэф-фициешиь как группу. [11]
В практических приложениях при определении числа наблюдений, обеспечивающих достаточно удовлетворительную точность, могут возникнуть некоторые затруднения. Как уже отмечалось ранее, эти затруднения чаще всего бывают обусловлены наличием положительной автокорреляции. Ниже обсуждается ряд приемов, которые позволяют справиться с тем осложнением, что автокоррелированным процессам свойствен большой разброс статистических оценок. [12]
Определяются коэффициенты корреляции и их значимость по t - критерию Стьюдемта. По аналогии с динамическими рядами адекватность полученного уравнения изучаемому явлению осуществляется проверкой его по F-критерию Фишера и исследованием остатков на наличие существенной автокорреляции. [13]
От истинной автокорреляции остатков следует отличать ситуации, когда причина автокорреляции заключается в неправильной спецификации функциональной формы модели. В этом случае следует изменить форму связи факторных и результативного признаков, а не использовать специальные методы расчета параметров уравнения регрессии при наличии автокорреляции остатков. [14]
При оценке достоверности моделей авторегрессии следует учитывать специфику тестирования этих моделей на автокорреляцию остатков. При наличии в правой части уравнения регрессии лаговых значений результата и, следовательно, несоблюдении этой предпосылки фактическое значение критерия Дарбина - Уотсона приблизительно равно 2 как при отсутствии, так и при наличии автокорреляции остатков. Происходит это по следующей причине. [15]
Страницы: 1 2