郑同学2019-01-14 22:28:29
老师你好,视频72分钟的例题,关于autocorrelation of residual in the AR model. 如果Lag 1 显著不等于零,证明lag 1同yt是相关的,这个是不是说明lag 1是有意义的,因为它和yt相关,可以解释yt。 同理证明lag 2也是和yt相关,也是可以解释yt的。 但是lag 3由于无法拒绝原假设,也就是证明和yt没有相关性,也就是其实lag 3这个lag是没有什么意义的。 可以这么理解么? 如果这时候证明lag 4是有相关性的,也就是说这个模型是AR(4)模型有意义,可以这么理解么? 但是我看了下视频,讲到这里的时候,记录这么一句话"如果这个lag的r不等于零,则意味着它和yt有相关性,则这个模型有问题,则add back significant lags"。 我还是没有理解这句话,如果r不等于0,不恰恰说明这个lag有意义么? 怎么会有问题呢? 笔记里还有一句话,检验各个lag的autocorrelation, 其实就是检验误差的相关性,如果无相关性,则说明model是correctly specified,这句话我也不是很理解,如果各个lag都和yt无相关性了,模型不就没有解释力度了么? 怎么能是correctly specified呢?
回答(1)
Chris Lan2019-01-15 09:58:08
同学你好,
如果lag1显著的不等于0,那应该把他加入到自回归模型中,之后再做残差的自相关检验,看还有没有其他的lag项可以拒绝原假设,如果可以被拒绝,则需要把lag2加回到模型,注意这里是按顺序加的,不能跳项,比如说加入lag1后再检测发现lag5是可以拒绝原假设的,但这个时候要把lag2加回来,而不是lag5,需要按顺序加入,加入lag2后,再进行残差的自相关检验,看还有没有其它的lag可以拒绝原假设,如果还有就加回lag3,就这样以此类推。除了季节性的特征的数据,我们是加lag1和lag4,其它的情况都是一项一项,按顺序加回来的。
另外如果r不等于零,不就是他的检验统计量嘛,如果可以被拒绝,说明模型中遗失了可以解释今天的我的滞后项,因此模型是有问题的,需要把滞后项加回来。
最后的问题是,通过残差的自相关来找跟今天的我有关系的滞后项,都找到了,把这些滞后项都加入模型了,之后没有其它的滞后项跟今天的我有关系了,这个模型也就是正确的了,意味着所有能解释今天的我的滞后项都放进模型中用于解释今天的我了。
- 评论(0)
- 追问(1)
- 追问
-
老师你好,你的解释看了好几遍,再配合原版书,这块应该是清楚了。 对于我来说确实不是很好理解。 感谢!


评论
0/1000
追答
0/1000
+上传图片