ตัวแปรทั้งสอง (ขึ้นอยู่กับและเป็นอิสระ) แสดงผลของความสัมพันธ์อัตโนมัติ ข้อมูลเป็นอนุกรมเวลาและเครื่องเขียน
เมื่อฉันเรียกใช้ส่วนที่เหลือถดถอยจะไม่สัมพันธ์ สถิติ Durbin-Watson ของฉันมีค่ามากกว่าค่าวิกฤตที่สำคัญดังนั้นจึงมีหลักฐานว่าข้อผิดพลาดไม่มีความสัมพันธ์เชิงบวก เมื่อฉันพล็อต ACF เพื่อหาข้อผิดพลาดดูเหมือนว่าไม่มีความสัมพันธ์กันและสถิติ Ljung-Box นั้นเล็กกว่าค่าวิกฤต
ฉันสามารถไว้วางใจผลลัพธ์การถดถอยของฉันได้หรือไม่สถิติ t- เชื่อถือได้หรือไม่
คำตอบ:
สถิติ t มีความน่าเชื่อถือในกรณีที่ไม่มีความสัมพันธ์อัตโนมัติของข้อผิดพลาด ความจริงที่ว่าสารตกค้างไม่แสดงความสัมพันธ์แบบอัตโนมัติที่สำคัญบ่งชี้ว่าในทางที่ไม่เข้มงวดอย่างยิ่งว่าความสัมพันธ์แบบอัตโนมัติในตัวแปรตามของคุณนั้นเกิดจากความสัมพันธ์แบบอิสระในตัวแปรอิสระของคุณ อย่างไรก็ตามสิ่งสำคัญที่ต้องจำไว้คือความแตกต่างระหว่างนัยสำคัญทางสถิติและความไม่มีนัยสำคัญนั้นไม่ได้มีนัยสำคัญทางสถิติในหลาย ๆ กรณีเช่นสถิติสถิติ 1.8 และสถิติสถิติ 2.8 มีความแตกต่าง 1.0 ดังนั้นการขาด ความเข้มงวดในงบข้างต้น
วิธีการเลือกที่จะสร้างแบบจำลองข้อมูลโดยใช้เทคนิคการวิเคราะห์อนุกรมเวลาซึ่งสำหรับ R, เป็นอย่างมากในเวลาสั้น ๆ ที่อธิบายไว้ในมุมมองงาน CRAN: การวิเคราะห์อนุกรมเวลา เทคนิคเหล่านี้สามารถทำให้คุณประมาณการพารามิเตอร์ที่คมชัดยิ่งขึ้นโดยการสร้างแบบจำลองโครงสร้างความสัมพันธ์ข้ามเวลาอย่างชัดเจนในขณะที่ถ้าคุณไม่ทำแบบจำลองอย่างชัดเจนคุณจะอนุมานว่าโครงสร้างดังกล่าวเพียงอย่างเดียวในข้อมูลนั้นเกิดจากตัวแปรอิสระ
สถิติ t ไม่น่าเชื่อถือหากมีข้อผิดพลาดอัตโนมัติ ความสัมพันธ์อัตโนมัติในข้อผิดพลาดอาจเนื่องมาจากโครงสร้างความล่าช้าไม่เพียงพอในตัวแปรเชิงสาเหตุหรือโครงสร้างความล่าช้าของตัวแปรตามที่ไม่เพียงพอ นอกจากนี้ความผิดปกติในโครงสร้างข้อผิดพลาดทำให้การยอมรับแบบสุ่มไม่ถูกต้องจึงควรระมัดระวังเพื่อบรรเทาผลกระทบของพัลส์, การเลื่อนระดับ, พัลส์ตามฤดูกาลและ / หรือแนวโน้มเวลาท้องถิ่นที่อาจมีอยู่ แต่ไม่ได้รับการรักษา การทดสอบ Durbin-Watson เผยให้เห็นความสัมพันธ์อัตโนมัติที่สำคัญของ lag 1 เท่านั้นหากมีการบอกว่า auto lag correlation ของ S lag lag S โดยที่ S คือความถี่ของการวัด (4,7,12 และอื่น ๆ ) การทดสอบ DW จะแนะนำการสุ่มอย่างไม่ถูกต้อง