Na wstępie mam dość głębokie podstawy matematyczne, ale tak naprawdę nigdy nie zajmowałem się szeregami czasowymi ani modelowaniem statystycznym. Więc nie musisz być dla mnie bardzo delikatny :)
Czytam ten artykuł o modelowaniu zużycia energii w budynkach komercyjnych, a autor twierdzi, że:
[Obecność autokorelacji powstaje], ponieważ model został opracowany na podstawie danych szeregów czasowych zużycia energii, które są z natury autokorelowane. Każdy czysto deterministyczny model danych szeregów czasowych będzie miał autokorelację. Stwierdzono, że autokorelacja zmniejsza się, jeśli w modelu uwzględniono [więcej współczynników Fouriera]. Jednak w większości przypadków model Fouriera ma niskie CV. Model może być zatem akceptowalny do celów praktycznych, które (sic) nie wymagają wysokiej precyzji.
0.) Co oznacza „każdy czysto deterministyczny model danych szeregów czasowych będzie miał autokorelację”? Mogę niejasno zrozumieć, co to oznacza - na przykład, jak można się spodziewać następnego punktu w szeregu czasowym, jeśli miałby 0 autokorelacji? Oczywiście nie jest to argument matematyczny, dlatego jest to 0 :)
1.) Miałem wrażenie, że autokorelacja w zasadzie zabiła twój model, ale myśląc o tym, nie rozumiem, dlaczego tak powinno być. Dlaczego autokorelacja jest złą (lub dobrą) rzeczą?
2.) Rozwiązaniem, które słyszałem o radzeniu sobie z autokorelacją, jest różnicowanie szeregów czasowych. Bez próby czytania w myślach autora, dlaczego nie zrobiłoby się inaczej , gdyby istniała nieistotna autokorelacja?
3.) Jakie ograniczenia nakładają na model znaczące autokorelacje? Czy to gdzieś założenie (tj. Normalnie rozłożone resztki podczas modelowania z prostą regresją liniową)?
W każdym razie przepraszam, jeśli są to podstawowe pytania i z góry dziękuję za pomoc.
źródło
Uważam, że ten artykuł „ Nieprawidłowe regresje w ekonometrii ” był pomocny przy próbach wyjaśnienia, dlaczego eliminacja trendów jest konieczna. Zasadniczo, jeśli dwie zmienne są trendy, będą się różnić, co jest receptą na kłopoty.
źródło