자기 상관의 목적은 무엇입니까?

자기 상관 이 왜 그렇게 중요한가? 나는 그것의 원리를 이해했지만 (내 생각에는 ..) 자기 상관이 발생하지 않는 예가 있기 때문에 자연스럽게 모든 것이 어떻게 자기 상관되지 않습니까? 마지막 측면은 앞서 언급했듯이 우주의 모든 국가가 이전의 국가에 의존하지 않기 때문에 자기 상관 자체에 대한 일반적인 이해를 목표로하고 있습니다.

자기 상관에는 비 상관 프로세스와 모델이하지 않는 방식을 나타내는 몇 가지 일반 언어 해석이 있습니다.

• 자기 상관 변수에는 이전 값의 메모리 가 있습니다. 이러한 변수에는 이전에 수행 된 동작에 따라 동작이 있습니다. 기억은 관찰 기간에 비해 길거나 짧을 수있다. 메모리는 무한 할 수 있습니다. 메모리는 음수 일 수있다 (즉, 진동 할 수있다). 당신의지도 이론이 (변수의) 과거가 우리에게 남아 있다고 말한다면, 자기 상관은 그 표현입니다. (예를 들어 Boef, SD (2001) 참조. 평형 관계 모델링 : 강력한 자기 회귀 데이터를 갖는 오류 수정 모델 . Political Analysis , 9 (1), 78-94 및 de Boef, S., & Keele, L. ( 2008). 진심으로 시간을내어 . 정치학의 미국 전표 , 52 (1), 184-200.)

• 자동 상관 변수는 동적 시스템을 의미 합니다 . 동적 시스템의 동작에 대한 질문과 대답은 비 동적 시스템에 대한 질문과 다릅니다. 예를 들어, 때 인과 효과는 시스템 및 입력 시간 시간에 한 지점에서 교란의 효과는 관련 유지를 자기 상관 모형의 언어로 대답한다. (예를 들어, Levins, R. (1998). 변증법 및 시스템 이론 . 과학 및 사회 , 62 (3), 375-399뿐만 아니라 아래 페사 란 인용도 참조하십시오.)

• 자동 상관 변수는 시계열 모델링 이 필요함을 의미합니다 (동적 시스템 모델링이 아닌 경우). 시계열 방법론은 자동 회귀 행동 (그리고 시간에 따른 오류의 구조에 대한 모델링 가정 인 이동 평균)을 바탕으로 데이터 생성 프로세스 의 두드러진 세부 사항을 포착 하고, 예를 들어, "종 방향 모델"이라 불리는이 모델은 자기 상관이없는 다른 비 동적 모델에서 시간 측정치를 변수로 간단히 통합 합니다. 예를 들어, Pesaran, MH (2015) 시계열 및 Econometrics의 패널 데이터 , 뉴욕, NY : Oxford University Press를 참조하십시오.

주의 사항 : 나는 "자동 회귀"와 "자동 회귀"를 사용하여 해당 프로세스의 단기, 장기, 단위 루트, 폭발성 등의 속성에 관계없이 일반적으로 모든 메모리 구조를 변수에 암시 합니다 .

답변을 시도합니다.

자기 상관은 예측 변수 간의 다른 관계와 다르지 않습니다. 예측 변수와 종속 변수가 동일한 시계열 인 것처럼 지연됩니다.

우주의 모든 주가 이전의 주에 의존하지는 않습니까?

네 확실합니다. 우주의 모든 물체 상태는 모든 종류의 물리적 힘을 통해 다른 모든 물체의 상태에 의존합니다. 문제는 단지 관계를 감지 할 수있을만큼 강한 지 또는 상태를 예측하는 데 도움이 될만큼 강한 지입니다.

그리고 자기 상관 관계에도 똑같이 적용됩니다. 항상 있습니다. 문제는 모델링이 필요한지 또는 모델링 할 때 추가적인 불확실성 (바이어스-분산 트레이드 오프)을 도입하여 모델링 하지 않는 것보다 더 나 빠지게 만드는 것입니다.

개인 작업의 예 : 슈퍼마켓 판매량을 예측합니다. 우리 가정의 우유 소비는 상당히 규칙적입니다. 3-4 일 안에 우유를 사지 않았다면 오늘이나 내일 우유를 사러 올 확률이 높습니다. 슈퍼마켓에서 가정의 우유 수요 를 예측하려면 반드시이 자기 상관을 고려해야합니다.

그러나 저는 슈퍼마켓에서 유일한 고객이 아닙니다. 식료품을 사는 또 다른 2,000 가구가있을 것입니다. 각각의 우유 소비는 다시 자동 상관됩니다. 그러나 모든 사람의 소비 속도가 다르기 때문에 집계 에서의 자기 상관 이 너무 약해져서 더 이상 모델링하는 것이 이치에 맞지 않을 수 있습니다. 그것은 일반적인 일일 수요, 즉 절편으로 사라졌다. 슈퍼마켓은 우유를 판매하는 사람을 신경 쓰지 않기 때문에 총 수요 를 모델링 하고 자기 상관을 포함하지 않을 것입니다.

(예, 주별 계절성이 있습니다. 일종의 자기 상관이지만 실제로는 일주일 전 같은 요일 에 대한 수요가 아니라 요일에 의존 하므로 계절적 자기 상관보다 평일 효과가 더 큽니다. )

먼저, 자기 상관을 평가하고 다루는 목적이 무엇인지 의미한다고 생각합니다. "자기 상관의 목적"을 정말로 의미한다면 그것은 통계가 아니라 철학입니다.

둘째, 우주의 상태는 이전 상태와 상관되어 있지만 모든 통계적 문제가 이전의 자연 상태를 다루지는 않습니다. 많은 연구가 단면적입니다.

셋째, 모델이있을 때 모델링해야합니까? 방법은 가정을합니다. 대부분의 회귀 형태는 자동 상관이 없다고 가정합니다 (즉, 오류는 독립적 임). 이 가정을 위반하면 결과가 잘못 될 수 있습니다. 얼마나 잘못 되었나요? 한 가지 방법은 일반적인 회귀와 자기 상관을 설명하는 일부 모델 (예 : 다단계 모델 또는 시계열 방법)을 수행하고 결과가 어떻게 다른지 확인하는 것입니다. 그러나 일반적으로 자동 상관 관계를 고려하면 노이즈가 줄어들고 모델이 더 정확 해집니다.