Skip to main content
Дорожка Autocorrelation test
10 / 15
Поиск по архивуБиблиотека
Библиотека

2004выпуск C041

Построение тестов автокорреляции остатков первого порядка

Тест автокорреляции остатков первого порядка сопоставляет каждый остаток с остатком с непосредственно предшествующего шага, оценивает эту пару по шкале от 0 до 4 и использует табличные нижние и верхние критические значения, чтобы серийная корреляция считалась присутствующей, отсутствующей или неопределённой.

  • Тест сравнивает остаток на каждом временном шаге с остатком с непосредственно предшествующего шага и даёт статистику Durbin-Watson от 0 до 4, где 2 — опорное значение при отсутствии серийной корреляции.
  • Нижнее и верхнее критические значения берутся из таблицы по объёму выборки, числу независимых переменных и уровню значимости. В разобранном примере поиска объём выборки равен 60, независимая переменная одна.
  • Статистика ниже нижнего критического значения трактуется как свидетельство положительной автокорреляции остатков. Статистика выше верхнего критического значения трактуется как отсутствие свидетельств автокорреляции остатков.
  • Статистика внутри интервала неопределённости, между двумя критическими значениями, оставляет наличие автокорреляции неопределённым.
Записи этого разбора1 запись
Текущая дорожкаAutocorrelation test23 разбора

Что сравнивает тест

Тест автокорреляции остатков первого порядка сравнивает остаток на каждом временном шаге с остатком с непосредственно предшествующего шага.

Такое сопоставление — автокорреляция первого порядка: зависимость между остатком регрессии на одну дату выборки и остатком на непосредственно предшествующую дату.

Как оценивается статистика

Статистика Durbin-Watson — оценка серийной корреляции остатков по шкале от 0 до 4, которая строится сопоставлением каждого остатка с остатком на один шаг раньше.

Полученная статистика принимает значения от 0 до 4, и 2 — опорное значение, указывающее на отсутствие серийной корреляции.

Поиск критических границ в таблице

Пороги решения — нижнее критическое значение и верхнее критическое значение, которые берутся из таблицы по объёму выборки, числу независимых переменных и уровню значимости.

Объём выборки — число упорядоченных наблюдений, которое используется и для подгонки регрессии, и для поиска критических границ. Число независимых переменных — число регрессоров, которое вместе с объёмом выборки и уровнем значимости выбирает пару критических границ.

В разобранном примере поиска объём выборки равен 60, независимая переменная одна.

Как читать три исхода

Статистика ниже нижнего критического значения трактуется как свидетельство положительной автокорреляции среди остатков.

Статистика выше верхнего критического значения трактуется как отсутствие свидетельств автокорреляции остатков.

Статистика, которая попадает между двумя критическими значениями, находится в интервале неопределённости и оставляет наличие автокорреляции неопределённым.

5%-е границы Дарбина–Уотсона для одного регрессора

Независимость остатков первого порядка отвергается, когда статистика Дарбина–Уотсона лежит ниже нижней кривой, и принимается только выше верхней; промежуток между ними — зона неопределённости. Точки — табличные 5%-е значения dL и dU для p = 1, снятые с боковой таблицы критических значений для объёмов выборки от 15 до 35.
Независимость остатков первого порядка отвергается, когда статистика Дарбина–Уотсона лежит ниже нижней кривой, и принимается только выше верхней; промежуток между ними — зона неопределённости. Точки — табличные 5%-е значения dL и dU для p = 1, снятые с боковой таблицы критических значений для объёмов выборки от 15 до 35.

Исходная таблица относится к 5%-му тесту. В примере на боковой панели ищут n = 60 и p = 1; n = 60 лежит за последней полностью видимой строкой, поэтому нанесённые границы обрываются на n = 35.

Не является инвестиционной рекомендацией. Исторический материал не подтверждает актуальную результативность метода.
10 из 15 в дорожке «Autocorrelation test»
20041-3 с.Дальше про «Autocorrelation test»Двухэтапный скрининг остатков Дарбина-УотсонаКорреляция цен или доходностей может быть высокой, даже если автокорреляция остатков после линейной подгонки остаётся низкой.
Все разборы дорожки · 15 разборов
  1. 1987Оценка недельных ценовых циклов по порогам автокорреляции
  2. 1988Серийная корреляция — не тест на независимость
  3. 1988Событийно запускаемые тесты хи-квадрат для сериальных связей с джиттером
  4. 1988Переверните правило, прежде чем доверять системе
  5. 1990Оценка лаговых корреляций ширины рынка критерием хи-квадрат
  6. 1990Двухгейтные тесты торговых правил вне выборки
  7. 1990Корреляция по знаковым ячейкам, проверки хи-квадрат и лаговые сдвиги
  8. 1998Проверьте серийную зависимость, прежде чем оптимизировать механическую систему
  9. 2003Как строится одноранговая ротация для проверки автокорреляции со сдвигом
  10. 2004Построение тестов автокорреляции остатков первого порядка
  11. 2004Двухэтапный скрининг остатков Дарбина-Уотсона
  12. 2011Построение меток тренда из атомов корреляции приращений
  13. 2012Оценка overnight- и дневной доходности
  14. 2012Построение многогоризонтного фильтра разворотов на основе складной корреляции
  15. 2016Настройка индикаторов на измеренные рыночные циклы
По областиСтатистические тесты95 разборовПо году2004180 разборов
Все 23 разбора с записью «Autocorrelation test»
Тоже про «Autocorrelation test»5 разборов
1982Стройте прогнозы ARIMA по диагностике лагов1986Оценка окон серийной независимости дневных цен и объёма1986Недельные ресэмплы как диагностический фильтр для статистических окон1987Оценка серийной зависимости денежной массы перед прогнозом1987Оценка недельных ценовых циклов по порогам автокорреляции