Questions tagged «autocorrelation»

我只想检查一下我是否正确解释了ACF和PACF图： 数据对应于在实际数据点之间生成的误差和使用AR（1）模型生成的估计值。 我在这里看了答案： 通过ACF和PACF检查估算ARMA系数 阅读后，似乎错误不是自相关的，但我只是想确定，我担心的是： 1.）第一个错误就在边界上（在这种情况下，我应该接受还是拒绝在滞后1存在明显的自相关）？ 2.）线代表95％的置信区间，并且考虑到存在116个滞后，我希望不超过（0.05 * 116 = 5.8，我向上舍入为6个）6个滞后。对于ACF就是这种情况，但对于PACF大约有10个例外。如果把那些包括在边界上，那更像是14？这仍然表明没有自相关吗？ 3.）我是否应该从一个事实中了解到所有违反95％置信区间的情况都是不利的？

10 time-series  arima  interpretation  autocorrelation  acf-pacf 

我正在尝试在R中拟合离散时间模型，但不确定如何执行。 我读过您可以将因变量组织在不同的行中，每个时间观察行一个，并将该glm函数与logit或cloglog链接一起使用。从这个意义上讲，我有三列：ID，Event（在每个时间范围内为1或0）和Time Elapsed（自观察开始以来）以及其他协变量。 如何编写适合模型的代码？哪个因变量？我想我可以将其Event用作因变量，并将其包括Time Elapsed在协变量中。但是，会发生什么ID呢？我需要吗？ 谢谢。

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

我打算将坐标作为协变量包括在回归方程中，以便针对数据中存在的空间趋势进行调整。之后，我想测试随机变化中空间自相关的残差。我有几个问题： 我应该执行线性回归，其中仅自变量是和坐标，然后测试空间自相关的残差，还是应该不仅包括坐标作为协变量，还包括其他变量，然后测试残差。xxxyyy 如果我期望具有二次趋势，然后不仅包括，还包括，和，那么其中的一些（和）的值将大于阈值-我应该排除那些值较高的变量不重要吗？那我该如何解释趋势，它肯定不再是二次方了？x,yx,yx,yxyxyxyx2x2x^2y2y2y^2xyxyxyy2y2y^2pppppp 我想我应该将和坐标视为其他任何协变量，并通过构造部分残差图来测试它们是否与因变量具有线性关系...但是一旦我对它们进行了变换（如果它们显示它们需要变换），那将不会不再是那种趋势（特别是如果我将，和在二次趋势中）。例如，它可能表明需要转换，而则不需要转换？在这些情况下我应该如何应对？xxxyyyxyxyxyx2x2x^2y2y2y^2x2x2x^2xxx 谢谢。

9 regression  multiple-regression  spatial  autocorrelation 

我有一个时间序列的测量值（高度一维序列）。在观察期内，测量过程下降了一些时间点。因此，所得数据是带有NaN的矢量，其中数据中存在间隙。使用MATLAB，这在计算自相关（autocorr）和应用神经网络（nnstart）时给我带来了问题。 这些差距/ NaN应该如何处理？我应该将它们从载体中删除吗？还是将其条目替换为插值？（如果是这样，那么在MATLAB中如何操作）

9 time-series  dataset  matlab  autocorrelation  missing-data 

这两个变量（因变量和自变量）均显示自相关效应。数据是时间序列且固定的 当我运行回归残差似乎不相关。我的Durbin-Watson统计量大于上临界值，因此有证据表明误差项没有正相关。同样，当我为错误绘制ACF时，看起来那里没有相关性，并且Ljung-Box统计量小于临界值。 我可以相信我的回归输出吗，t统计量可靠吗？

9 regression  time-series  autocorrelation 

我正在尝试复制SAS和SPSS对部分自相关函数（PACF）的计算。在SAS中，它是通过Proc Arima生产的。PACF值是感兴趣序列在该序列的滞后值上的自回归系数。我感兴趣的变量是sales，所以我计算lag1，lag2 ... lag12并运行以下OLS回归： Yt=a0+a1Yt−1+a2Yt−2+a3Yt−3+…+a12Yt −12。Yt=a0+一个1个ÿŤ-1个+一个2ÿŤ-2+一个3ÿŤ-3+…+一个12ÿŤ-12。Y_t=a_0+a_1Y_{t-1}+a_2Y_{t-2}+a_3Y_{t-3}+\ldots+a_{12}Y_{t-12}. 不幸的是，我得到的系数甚至不接近SAS或SPSS提供的PACF（滞后1至12）。有什么建议么？有什么不对？我想到的是，此模型的最小二乘估计可能不合适，也许应该使用另一种估计技术。 提前致谢。

9 time-series  autocorrelation  partial 

自相关函数对非平稳时间序列有什么意义吗？ 在将自相关用于Box和Jenkins建模之前，通常假定时间序列是固定的。

9 time-series  autocorrelation  box-jenkins