elepha2021-07-03 14:26:41
elepha老师，可以解释一下为什么asynchronous data会低估相关性？谢谢。
回答（1）
Nicholas2021-07-05 14:39:40
Nicholas同学，下午好。
随着观察频率的增加，数据在变量间异步（即时间上不同时或并发）的可能性增加。这意味着不同变量的数据点可能不会完全反映相同的周期，即使它们被标记为相同的周期。例如，由于时区差异，来自不同国家的每日数据通常是异步的。异步性对于每天甚至每周的数据来说都是一个重要的问题，因为它会扭曲测量的相关性。较低频率的数据（例如，每月或每季度）不太容易受到异步的影响，但是如果采用较低频率的数据，则会低估数据间的相关性，因为数据在此期间内被平滑。例如，房地产市场价格在年初和年末拉一个均价，看起来变化不大。但实际上这一年中受到各种政策的影响，房地产价格上蹿下跳。因此这样会低估相关性。
致正在努力的你，望能解答你的疑惑~
如此次答疑能更好地帮助你理解该知识点，烦请【点赞】。你的反馈是我们进步的动力，祝你顺利通过考试~
- 评论（0）
- 追问（3）
- 追问
-
老师关于异步性的问题我明白了。
您可以再解释下，数据平滑导致低估相关性的原因吗？
（我的理解）是说，房地产价格的“上蹿下跳”本身和其他数据是有关联性的，但是由于appraisal频率很低，并没有体现数据变化的“过程”，只有评估时间的“结果”，剔除了“过程”中的关联性，所以导致低估相关性。这个理解对吗？
- 追问
-
老师，我再补充一下，回归到我最初问题：因为存在异步性-->所以要使用较低频率的数据，来降低异步性的影响-->而使用了低频率数据，会低估相关性。因此，可以推出异步性数据导致低估相关性。
我理解的对吗？谢谢！
- 追答
-
同学，晚上好。
关于异步性和导致低估相关性问题的理解都是正确的。
评论
0/1000
追答
0/1000
+上传图片