Muster der Autokorrelations-

EINutocorrelation,

auch bekannt als serielle Korrelation, kann in einem Regressionsmodell existieren, wenn die Reihenfolge der Beobachtungen in der relevanten Daten oder wichtig ist. Mit anderen Worten, mit der Zeit-Serien (und manchmal Panel oder logitudinal) -Daten, Autokorrelation ist ein Anliegen.

Die meisten der CLRM Annahmen, die Ökonometrikern ermöglichen, die erwünschten Eigenschaften der OLS Schätzer (das Gauß-Markov-Theorem) direkt betreffen Eigenschaften der Fehlerterm zu beweisen. Eine der Annahmen CLRM befasst sich mit der Beziehung zwischen den Werten des Fehlerterms. Insbesondere nimmt die CLRM kein Autokorrelations ist.

Keine Autokorrelation in denen bezieht sich auf eine Situation, keine erkennbare Beziehung zwischen den Werten des Fehlerterms vorliegt. Ökonometriker auszudrücken keine Autokorrelation als

Die Abbildung zeigt die Regression eines Modells erfüllt die CLRM Annahme, dass kein Autokorrelation. Wie Sie sehen können, wenn der Fehlerterm keine Autokorrelation aufweist, die positiven und negativen Fehlerwerte sind zufällig.

Wenn Autokorrelation auftritt, dauert es entweder positive oder negative Form. Selbstverständlich kann, Autokorrelation fälschlicherweise als auch identifiziert werden. In den folgenden Abschnitten wird erläutert, wie zwischen positiven und negativen Korrelation sowie wie man vermeiden, falsch besagt, dass Autokorrelation existiert zu unterscheiden.

Positiv im Vergleich zu negativen Autokorrelation

Wenn Autokorrelation vorhanden ist, ist positiv Autokorrelation das wahrscheinlichste Ergebnis. positive autOKorrelation tritt auf, wenn ein Fehler eines gegebenen Zeichen neigt dazu, durch einen Fehler der gleichen Vorzeichen folgen. Zum Beispiel werden positive Fehler in der Regel durch positive Fehler verfolgt und negative Fehler werden normalerweise durch negative Fehler folgen.

Positive Autokorrelation wird ausgedrückt als

Die positive Autokorrelation in der folgenden Abbildung dargestellt ist nur eine von mehreren möglichen Mustern. Ein Fehlerterm mit einer Sequenzierung von positiven und negativen Fehlerwerte zeigt in der Regel positive Autokorrelation. Die Sequenzierung eine Situation bezieht sich auf, wo die meisten positive Fehler befolgt werden oder durch zusätzliche positive Fehler vor oder wenn negative Fehler durch andere negative Fehler gefolgt oder vorangestellt ist.

Obwohl es unwahrscheinlich ist, ist negativ Autokorrelation möglich. Negative autocorreleintion tritt auf, wenn ein Fehler eines gegebenen Zeichen neigt dazu, durch einen Fehler von entgegengesetztem Vorzeichen folgen. So werden zum Beispiel positive Fehler in der Regel gefolgt von negativen Fehler und negative Fehler werden in der Regel durch positive Fehler gefolgt.

Negative Autokorrelation wird ausgedrückt als

Die folgende Abbildung zeigt das typische Muster der negativen Autokorrelation. Ein Fehlerterm mit einem Schaltung von positiven und negativen Fehlerwerte zeigt in der Regel negativ Autokorrelation. Ein Schaltmuster ist das Gegenteil von Sequenzierung, so dass die meisten positive Fehler neigen dazu, durch negative Fehler, und umgekehrt folgen oder vorausgehen.

Ob positiv oder negativ Autokorrelation haben, in Gegenwart von Autokorrelation können die OLS Schätzer kann nicht effizient (das heißt, können sie die kleinste Abweichung nicht erreichen). Darüber hinaus sind die geschätzten Standardfehler der Koeffizienten voreingenommen, was zu unzuverlässigen Hypothesentests führt (t-Statistiken). Die OLS-Schätzungen bleiben jedoch unvoreingenommen.

Fehlspezifikation und Autokorrelation

Wenn Sie Rückschlüsse auf Autokorrelation zeichnen das Fehlermuster verwenden, alle anderen CLRM Annahmen müssen, vor allem die Annahme halten, dass das Modell korrekt angegeben ist. Wenn ein Modell nicht korrekt angegeben ist, können Sie versehentlich das Modell identifizieren, wie aus Autokorrelation leiden.

Werfen Sie einen Blick auf die folgende Abbildung, die ein Szenario darstellt, in dem das Modell als linear unpassend angegeben wurde, wenn die Beziehung nicht linear ist. Die Fehlspezifikation hier gezeigt würde sich ein Fehlermuster zu beenden, die positive Autokorrelation ähnelt.

Führen Fehlspezifikation überprüft, ob es Anzeichen für Autokorrelation ist und Sie sind unsicher über die Richtigkeit der Spezifikation. Fehlspezifikation ist ein ernsteres Problem als Autokorrelation, weil Sie nicht die OLS Schätzer nachweisen kann, unvoreingenommen zu sein, wenn das Modell nicht richtig angegeben ist.