自相关，什么是自相关

本文目录一览

1，什么是自相关
2，什么是自相关
3，自相关产生的原因

1，什么是自相关

自相关：指信号在1个时刻的瞬时值与另1个时刻的瞬时值之间的依赖关系，是对1个随机信号的时域描述。自相关的类型：通常情况下，自相关可以分为两类。分别为一阶自回归形式和高阶自回归形式。自相关的假定：在一阶自回归的形式下来讨论自相关的相关假定。通常假定扰动项的自相关是线性的。产生自相关的原因：惯性，即冲击的延期影响，大多数经济时间序列都存在自相关。模型设定误差，如果模型所选用的函数形式与实际变量之间的真实关系不相符，随机扰动项往往会存在自相关。

什么是自相关

2，什么是自相关

正相关是指自变量增长，因变量也跟着增长的意思。（问题中多了个“自”字）　　正相关（Positivecorrelation），是指两个变量变动方向相同，一个变量由大到小或由小到大变化时，另一个变量亦由大到小或由小到大变化。即其数据曲线的切线斜率始终大于零。也就是说，在正相关的情况下，一个变量随着另一个变量的变化而发生相同方向的变化（两个变量同时变大或变小）。其中，引起变化的量叫做自变量（即自己发生变化的量），另一个变量叫做因变量（即跟着自变量变化的量）。　　统计学中常用相关系数r来表示两变量之间的相关关系。r的值介于-1与1之间,r为正时是正相关，反映当x增加(减少)时,y随之相应增加(减少)；呈正相关的两个变量之间的相关系数一定为正值，这个正值越大说明正相关的程度越高。　　当这个正值为1时就是完全正相关。正相关虽然意思明确，其实是个模糊的概念，不可以量化，只是定性说法。如果有明确的关系，例如y=2x，这叫y与x成正比，如果只是大体上，x、y的变化方向一样，例如x上升，y也上升或者x下降，y也下降，那么，这叫正相关。反之，x上升，y却下降，或者x下降，y却上升，就叫负相关了。

什么是自相关

3，自相关产生的原因

一般认为产生自相关的原因主要有以下两个：一是所建立的模型漏掉了某些较为重要的自变量，误差项的变动往往会是这些漏掉的变量有规律作用的结果；二是错误地设立回归方程的形式，如应选择二次曲线方程，但实际上却选择了直线方程；三是对数据进行平滑或其他形式的处理也会导致误差之间产生相互的联系。产生自相关的原因1．惯性即冲击的延期影响，大多数经济时间序列都存在自相关。例如GNP就业、货币供给、价格指数等，随机扰动的影响往往会持续一段时间，而不仅仅是一个取值时期。当处于经济恢复周期时，由萧条的底部开始，大多数经济序列的数据都会向上浮动，序列某一时点之后的取值会大于其各个前期的取值，这就是一种冲击的延期影响。其他的例子如地震、洪水等偶发的外部因素改变，通常也会造成某一段时间内的数据发生整体的偏移。但是随着观测时期的延长，这种冲击造成的滞后影响会逐渐消退。2．模型设定误差如果模型所选用的函数形式与实际变量之间的真实关系不相符，随机扰动项往往会存在自相关。例如当被解释变量与解释变量之间应为对数关系，而模型却选用线性回归来进行拟合，那么该回归模型必存在自相关。3．略去了带有自相关的解释变量在建立计量经济模型时，我们往往会选择最重要的几个解释变量，而将次要的解释变量略去，如果被略去的解释变量本身存在自相关，它必然在随机扰动项中反映出来。但有时由于多个被略去的解释变量之间的自相关关系会相互抵消，而使得模型表现为非自相关。

自相关产生的原因