Обидві змінні (залежні та незалежні) демонструють ефекти автокореляції. Дані часові ряди та стаціонарні
Під час запуску регресії залишки не співвідносяться. Моя статистика Дурбіна-Уотсона більша за верхнє критичне значення, тому є докази того, що терміни помилок не є позитивно співвіднесеними. Крім того, коли я будую ACF для помилок, схоже, що там немає кореляції, і статистика Ljung-Box менша за критичне значення.
Чи можу я довіряти регресійному результату, чи надійна t-статистика?
Відповіді:
T-статистика є достовірною за відсутності автокореляції помилок. Те, що залишки не демонструють значної автокореляції, вказує на не дуже жорсткий спосіб, що автокореляція у вашій залежній змінній пов'язана з автокореляцією у вашій незалежній змінній. Однак також важливо пам’ятати, що різниця між статистичною значимістю та незначністю сама по собі не є статистично достовірною у багатьох випадках, наприклад, t-статистика 1,8 проти t-статистика 2,8 - це різниця 1,0, отже, відсутність суворість у заяві вище.
Альтернативним підходом було б моделювання даних за допомогою методів аналізу часових рядів, які для R дуже коротко описані у перегляді завдань CRAN: Аналіз часових рядів . Ці методи можуть отримати чіткіші оцінки параметрів, чітко моделюючи структури кореляції між часом, тоді як, якщо ви не моделюєте їх явно, ви неявно припускаєте, що єдина така структура в даних пов'язана з незалежною змінною.
T-статистика є ненадійною за наявності автокореляції помилок. Автокореляція в помилках може бути обумовлена або недостатньою структурою відставання в причинно-наслідкових змінних, або недостатньо залежною змінною структурою відставання. Крім того, аномалії в структурі помилок викликають неправильне сприйняття випадковості, тому слід обережно зменшити вплив імпульсів, зрушень рівня, сезонних імпульсів та / або локальних тенденцій часу, які можуть бути присутніми, але не лікуватися. Тест Дербіна-Уотсона виявляє лише значну автокореляцію відставання 1. Якщо існує автокореляція скажімо відставання S, де S - частота вимірювання (4,7,12 тощо), тест DW неправильно підкаже випадковість.