[regressie] autocorrelatie: visuele inspectie

Moderators: ArcherBarry, Fuzzwood

Reageer
Berichten: 197

[regressie] autocorrelatie: visuele inspectie

beste forumbezoekers,

vrijdagochtend heb ik examen regressie-analyse en ik begrijp het volgende maar niet:

We hebben een modelvergelijking geschat met OLS ( least squares) en onze geschatte storingstermen uitgezet t.o.v. tijd

Afbeelding

Is er hier visueel autocorrelatie te zien? Ik zou zeggen neen want de golven rond 0 zijn onregelmatig, de storingsterm op tijdstip t-1 zegt niets over die van tijdstip t.

In de les werd gezegd dat je zag dat de storingstermen onafhankelijk zijn maar wel een zekere correlatie vertonen.

Waarom zie je een zekere correlatie? de storingstermen golven toch sowieso rond 0 (numerieke eigenschap van OLS)

Iemand die mij kan corrigeren?

Gebruikersavatar
Berichten: 10.179

Re: [regressie] autocorrelatie: visuele inspectie

Mss begrijp ik het verkeerd, maar beantwoordt dit je vraag? Het idee is dus dat er wél een zeker patroon inzit, en het zeer waarschijnlijk is dat uw waarde t-1 dus toch iets zegt over welke waarde je voor t vindt...
Zoek je graag naar het meest interessante wetenschapsnieuws? Wij zoeken nog een vrijwilliger voor ons nieuwspostteam.

Re: [regressie] autocorrelatie: visuele inspectie

motionpictures88 schreef:In de les werd gezegd dat je zag dat de storingstermen onafhankelijk zijn maar wel een zekere correlatie vertonen.

Waarom zie je een zekere correlatie? de storingstermen golven toch sowieso rond 0 (numerieke eigenschap van OLS)
Ik vind het lastig om precies te zien wat je geplot hebt. Ik neem aan dat de horizontale as een tijd of zo weergeeft. StResD zou het residu kunnen zijn van het model rond het gemiddelde. ResD zou het residu zijn vóór modelvorming.

Als dat klopt, is te zien dat er geen verloop zit in de hoogten van de toppen en dalen. Maar in principe zijn er meer gegevens nodig om daaruit te concluderen dat er correlatie optreedt.

Wel is te zien dat de toppen en dalen van het modelresidu lager zijn, dus het model heeft toegevoegde waarde, dus zijn de waarnemingen in elk geval niet volledig afhankelijk. Maar de toppen worden wel erg regelmatig verlaagd zonder fouten (missers, vergroting van uitschieters) en dat is verdacht. Dat zou duiden op afhankelijkheid.

Dit is mijn voorlopige vrijblijvende interpretatie; graag meer uitleg over de gebrujikte afkortingen bij de grafiek.

Berichten: 197

Re: [regressie] autocorrelatie: visuele inspectie

bedankt voor de reacties!

Op de horizontale as staat inderdaad de tijd (33 jaar), op de horizontale as staat RESD voor de geschatte storingstermen, STRESD staat voor gestandardiseerde, geschatte storingstermen.

Het gaat mij eigenlijk alleen om wat visueel kan vastgesteld worden, de formele testen voor het opsporen van autocorrelatie (runs-test, durbin watson) begrijp ik wel.

Berichten: 197

Re: [regressie] autocorrelatie: visuele inspectie

Ik vraag me eigenlijk ook af wat "twee onafhankelijke variabelen" hier precies betekent. Ik zou denken: Er kan geen enkel functioneel verband gefit worden. Dus algemener dan "geen correlatie" want dat betekent dat er geen lineaire associatie is.

Is dat juist?

Re: [regressie] autocorrelatie: visuele inspectie

Nee, onder onafhankelijke variabelen worden normaal de variabelen gerekend die in het model voor y zijn opgenomen. Dus in y=ax1+bx2+c zijn x1 en x2 de onafhankelijke variabelen, en y is de afhankelijke variabele. NB Ik kan uit jouw verhaal nergens zien dat er twee onafhankelijke variabelen zijn? Je gebruikt steeds verschillende termen, die niet allemaal het zelfde betekenen.

Correlatie betekent gewoon samenhang. Als positieve uitwijkingen van x1 vanuit zijn gemiddelde vaak samenvallen met positieve uitwijkingen van x2, dan zijn ze positief gecorreleerd. Is er één vaak negatief als de ander positief is, zijn ze negatief gecorreleerd. Een sterke correlatie betekent dat de uitwijkingen erg vaak samenvallen, bij zwakke correlatie zijn er ook missers.

Onafhankelijke variabelen moeten ongecorreleerd zijn, anders is de invloed van elk afzonderlijk niet goed vast te stellen, alleen de invloed van de twee als paar.

Storingstermen ken ik niet, kun je wiskundig weergeven wat je precies bepaald hebt?

Misschien helpt het als je het gevonden model weergeeft in de vorm y=ax1+bx2+c of hoe je het ook hebt genoemd?

Berichten: 197

Re: [regressie] autocorrelatie: visuele inspectie

storingsterm is een synoniem voor residu nl. het verschil tussen de geobseerveerde Yi en de geschatte Yi. (met Yi de te verklaren variabele)

bedankt voor de respons!

Re: [regressie] autocorrelatie: visuele inspectie

Misschien moet je dan inderdaad drieske's link bekijken. En dan zou je kunnen zeggen dat het residu-signaal (de storingstermen?) autocorrelatie bevat, omdat er een duidelijke neiging is om steeds 3-5 jaar dezelfde afwijking te houden (omlaag/omhoog). Vergelijk dit met een witte ruis, waar het signaal op tijdstip 1 helemaal niets zegt over dat op tijdstip 2.

Reageer