Próbuję zrozumieć znaczenie odcięcia i odcięcia w szeregach czasowych ACF i PACF. Co oznacza „Odciąć po opóźnieniu”? Chodzi o limit? Co oznacza „ogony”? W powyższym przykładzie książka, której używam do nauki, mówi, że jest to proces AR. Ale nie mogę zrozumieć znaczenia „odcina się” i „odciąga”
Mam dwa zestawy danych: Moim pierwszym zestawem danych jest wartość inwestycji (w miliardach dolarów) w czasie, przy czym każda jednostka stanowi jeden kwartał od pierwszego kwartału 1947 r. Czas ten rozciąga się na trzeci kwartał 2002 r. Mój drugi zestaw danych jest „wynikiem przekształcenia wartości inwestycji w [pierwszy zestaw danych] …
Biorąc pod uwagę szereg czasowy, można oszacować funkcję autokorelacji i wykreślić ją, na przykład jak pokazano poniżej: Co można zatem przeczytać o szeregach czasowych z tej funkcji autokorelacji? Czy można na przykład uzasadnić stacjonarność szeregów czasowych? Edytowane : Tutaj zawarłem ACF z różnej serii z większą liczbą opóźnień
Pracuję z procesem z w dla { 1 , - 1 } t = 1 , 2 , …xtxtx_t{1,−1}{1,−1}\{1, -1\}t=1,2,…t=1,2,…t = 1, 2, \ldots Funkcja autokorelacji wskazuje na proces z długą pamięcią, tzn. Wyświetla rozpad prawa mocy z wykładnikiem <1. Można symulować podobną serię w R za pomocą: > library(fArma) …
Wydaje się, że jest naprawdę wysoki, ale jest to dla mnie sprzeczne z intuicją. Czy ktoś może wyjaśnić? Jestem bardzo zdezorientowany tą sprawą i doceniłbym szczegółowe, wnikliwe wyjaśnienie. Z góry dziękuję!
Proces jest ściśle stacjonarny, jeśli wspólny rozkład jest taki sam jak wspólny rozkład dla wszystkich m , dla wszystkich k i dla wszystkich t_1, t_2, ..., t_m .XtXtX_tXt1,Xt2,...,XtmXt1,Xt2,...,XtmX_{t_1},X_{t_2},...,X_{t_m}Xt1+k,Xt2+k,...,Xtm+kXt1+k,Xt2+k,...,Xtm+kX_{t_1+k},X_{t_2+k},...,X_{t_m+k}mmmkkkt1,t2,...,tmt1,t2,...,tmt_1,t_2,...,t_m Proces jest stacjonarny drugiego rzędu, jeśli jego średnia jest stała, a jego funkcja autokowariancji zależy tylko od opóźnienia. Czy zatem stacjonarne drugie …
Zastosowałem test DW do mojego modelu regresji w R i otrzymałem statystykę testu DW wynoszącą 1,78 i wartość p 2,2e-16 = 0. Czy to oznacza, że nie ma autokorelacji między resztami, ponieważ stat jest bliski 2 z małą wartością p, czy to oznacza, że chociaż stat jest bliski 2, wartość …
Próbujemy stworzyć automatycznie skorelowane wartości losowe, które zostaną wykorzystane jako szeregi czasowe. Nie mamy żadnych danych, do których się odwołujemy, a po prostu chcemy stworzyć wektor od zera. Z jednej strony potrzebujemy oczywiście losowego procesu z rozkładem i jego SD. Z drugiej strony należy opisać autokorelację wpływającą na losowy proces. …
Buduję raczej złożony hierarchiczny model bayesowski do metaanalizy przy użyciu R i JAGS. Upraszczając nieco, dwa kluczowe poziomy modelu mają gdzie jest obserwacją punkt końcowy (w tym przypadku plony GMO i GMO) w badaniu , jest efektem dla badania , są efektami dla różnych zmiennych na poziomie badania (status rozwoju …
Test Durbina-Watsona testuje autokorelację reszt przy opóźnieniu 1. Ale tak samo jest z testowaniem autokorelacji przy opóźnieniu 1. Dodatkowo możesz przetestować autokorelację przy opóźnieniu 2,3,4, a istnieją dobre testy Portmanteau dla autokorelacji przy wielu opóźnieniach i uzyskać ładne, łatwo interpretowalne wykresy [np. Funkcja acf () w R]. Durbin-Watson nie jest …
Mam trochę problemów ze zrozumieniem niebieskich kropkowanych linii na poniższym obrazie funkcji autokorelacji: Czy ktoś mógłby mi wyjaśnić, co mi mówi?
Mam zestaw danych, w którym intuicja empiryczna mówi, że powinienem oczekiwać cotygodniowej sezonowości (tj. Zachowanie w sobotę i niedzielę różni się od reszty tygodnia). Czy to założenie powinno być prawdziwe, czy wykres autokorelacji nie powinien dać mi impulsów przy wielokrotnościach opóźnienia wynoszących 7? Oto próbka danych: data = TemporalData[{{{2012, 09, …
Być może mieszam swoje koncepcje szeregów czasowych i nieszeregowych, ale jaka jest różnica między modelem regresji wykazującym korelację szeregową a modelem wykazującym pierwiastek jednostkowy? Ponadto, dlaczego można użyć testu Durbina-Watsona do testowania korelacji szeregowej, ale należy użyć testu Dickeya-Fullera dla pierwiastków jednostkowych? (Mój podręcznik mówi, że dzieje się tak, ponieważ …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.