Які наслідки наявності автокореляції у моделі?

Наслідки автокореляції Коли в залишках моделі виявляється автокореляція, це говорить про те, що модель неправильно специфікована (Тобто в якомусь сенсі неправильна). Причиною є відсутність у моделі деяких ключових змінних.

Наявність автокореляції випадкових помилок регресійної моделі призводить до погіршення якості МНК оцінок параметрів регресії, а також до завищення тестових статистик, за якими перевіряється якість моделі (Тобто створюється штучне поліпшення якості моделі щодо її дійсного рівня точності).

Це може бути спричинене інерцією даних, пропущеними змінними, неправильною функціональною формою або маніпуляцією даними. Наслідки ігнорування автокореляції у моделях OLS включають неефективні оцінювачі, зміщені дисперсії помилок та ненадійні t-тести, F-тести та значення R-квадрату .

Таким чином, автокореляція може виникнути якщо спостереження залежать в аспектах, відмінних від часу . Автокореляція може викликати проблеми у традиційних аналізах (таких як звичайна регресія найменших квадратів), які передбачають незалежність спостережень.

Автокореляція відноситься до ступеня кореляції тих самих змінних між двома послідовними часовими інтервалами . Вона вимірює, як відкладена версія значення змінної пов'язана з вихідною версією в часовому ряду. Автокореляція як статистична концепція також відома як серійна кореляція.

Автокореляція та приватна автокореляція – служить мірою зв'язаності між поточними та минулими рядами значень та показує, які минулі значення найбільш корисні для передбачення майбутніх значень.

Автокореляційна функція – це характеристика сигналу, яка допомагає знаходити повторювані ділянки сигналу або визначати частоту сигналу, що несе, приховану через накладення шуму і коливань на інших частотах. Автокореляційна функція часто використовується для обробки сигналів та аналізу часових рядів.

Проблема автокореляції у регресійному аналізі часових рядів долається шляхом додавання незалежних змінних та перетворення даних . Додавання незалежних змінних: Автокореляція часто виникає через виключення однієї чи кількох значимих змінних-предикторів під час виконання регресійного аналізу.