¿Por qué es autocorrelación tan importante? He entendido el principio de que (supongo..), pero como también hay ejemplos en los que no hay autocorrelación se produce me pregunto: ¿no es todo en la naturaleza, de alguna manera autocorrelated? El último aspecto está más orientada a una comprensión general de la autocorrelación en sí, porque, como he mencionado, no todos los estados del universo depende de la anterior?
Respuestas
¿Demasiados anuncios?
icelava
Puntos
548
Un intento de respuesta.
Autocorrelación no es diferente de cualquier otro tipo de relación entre los predictores. Es sólo que los predictores y la variable dependiente de pasar a ser de la misma serie de tiempo, sólo se rezagaron.
no todos los estados del universo depende de la anterior?
Sí, de hecho. Así como cada estado del objeto en el universo depende de todos los demás del objeto, a través de todo tipo de fuerzas físicas. La pregunta es simplemente si la relación es lo suficientemente fuerte como para ser detectables, o lo suficientemente fuerte como para que nos ayuden en la predicción de los estados.
Y lo mismo se aplica a la autocorrelación. Siempre está ahí. La pregunta es si vamos a tener que crear un modelo, o si el modelado es simplemente introduce incertidumbre adicional (el sesgo de la varianza de trade-off), lo que nos convierte en peor situación que no modelado.
Un ejemplo de mi trabajo personal: me previsión de las ventas en los supermercados. Mi consumo doméstico de leche es bastante regular. Si no he comprado leche en tres o cuatro días, son altas las posibilidades de que va a venir en el día de hoy o mañana a comprar la leche. Si el supermercado quiere previsión mi hogar de la demanda de leche, que debe por todos los medios tomar esta autocorrelación en cuenta.
Sin embargo, yo no soy el único cliente en mi supermercado. Hay, tal vez, otra de 2.000 hogares que compran sus compras allí. Cada uno de ellos, el consumo de leche es de nuevo autocorrelated. Pero ya que todo el mundo la tasa de consumo es diferente, la autocorrelación en el agregado es mucho atenuada que puede no tener sentido para el modelo de más. Ha desaparecido en la general diario de la demanda, es decir, la intersección. Y puesto que el supermercado no le importa quien vende la leche a, es el modelo agregado de la demanda, y, probablemente, no incluyen la autocorrelación.
(Sí, hay intra-semanal de la estacionalidad. Que es un tipo de autocorrelación, pero realmente depende de el día de la semana, no en el de la demanda en el mismo día de la semana, una semana antes, así que es más un día de la semana efecto de la temporada de autocorrelación.)
Zizzencs
Puntos
1358
En primer lugar, creo que te refieres ¿cuál es el propósito de la evaluación de autocorrelación y lidiar con ella. Si usted realmente significa el "fin de la autocorrelación" luego de que la filosofía, no de las estadísticas.
Segundo, los estados del universo están correlacionados con los anteriores estados, pero no todos los estadísticos problema ofertas con los anteriores estados de la naturaleza. Muchos de los estudios son de corte transversal.
En tercer lugar, tenemos a la modelo cuando no la hay? Métodos de hacer suposiciones. La mayoría de las formas de regresión no asumen ninguna de auto-correlación (es decir, los errores son independientes). Si violamos esta suposición, entonces nuestros resultados podría estar equivocado. Cómo lo correcto? Una manera de saberlo sería hacer la costumbre de regresión y también algún modelo que representa la autocorrelación (por ejemplo, modelos multinivel o series de tiempo métodos) y ver cómo de diferentes son los resultados. Pero, yo creo que en general, la contabilidad de auto-correlación de reducir el ruido y hacer el modelo más preciso.
Autocorrelación tiene varias lenguaje sencillo interpretaciones que se expresa en formas que no autocorrelated procesos y modelos no:
Un autocorrelated variable tiene memoria de sus valores anteriores. Tales variables tienen un comportamiento que depende de lo que fue antes. La memoria puede ser largo o corto en relación con el período de observación, la memoria puede ser infinito; la memoria puede ser negativo (es decir, pueden oscilar). Si su rectores de las teorías dicen que el pasado (de una variable) se queda con nosotros, luego de autocorrelación es una expresión de eso. (Véase, por ejemplo Boef, S. D. (2001). Modelado del equilibrio de las relaciones: la corrección de Errores de los modelos de una fuerte regresión automática de datos. Análisis político, 9(1), 78-94, y también de Boef, S., & Keele, L. (2008). Tiempo De Toma En Serio. Revista americana de Ciencias Políticas, 52(1), 184-200.)
Un autocorrelated variable implica un sistema dinámico. Las preguntas que hacemos y respuestas sobre el comportamiento de los sistemas dinámicos son diferentes de los que nos preguntamos acerca de la no-dinámica de sistemas. Por ejemplo, cuando los efectos causales entrar en un sistema, y cuánto tiempo los efectos de una perturbación en un punto en el tiempo siguen siendo relevantes son respondidas en el lenguaje de autocorrelated modelos. (Véase, por ejemplo, Levins, R. (1998). La dialéctica y la Teoría de Sistemas. Ciencia y Sociedad, 62(3), 375-399, pero también el Pesaran cita a continuación.)
Un autocorrelated variable implica la necesidad de una serie de tiempo de modelado (si no dinámico de modelado de sistemas también). Serie de tiempo de las metodologías se basan en la regresión automática de comportamientos (de promedio móvil, que es un modelado de asunción sobre el tiempo-dependiente de la estructura de los errores) tratando de capturar los detalles de los datos de proceso de generación, y de pie en marcado contraste con, por ejemplo, los llamados "modelos longitudinales", que simplemente incorporar algún tipo de medida de tiempo como una variable en un no-modelo dinámico sin autocorrelación. Véase, por ejemplo, Pesaran, M. H. (2015) de Series de Tiempo y Datos de Panel en Econometría, Nueva York, nueva york: Oxford University Press.
Advertencia: estoy usando "autorregresión" y "regresión automática" para dar a entender cualquier estructura de la memoria para una variable en general, independientemente de corto plazo, a largo plazo, la unidad de la raíz, explosivos, etc. propiedades de ese proceso.
