จุดประสงค์ของการค้นหาอัตโนมัติคืออะไร

ทำไมความสัมพันธ์อัตโนมัติมีความสำคัญมาก ฉันเข้าใจหลักการของมัน (ฉันเดา .. ) แต่เนื่องจากมีตัวอย่างที่ไม่มีการบันทึกความสัมพันธ์อัตโนมัติเกิดขึ้นฉันสงสัยว่า: ทุกสิ่งในธรรมชาติไม่ได้มีความสัมพันธ์โดยอัตโนมัติหรือไม่? ประเด็นสุดท้ายคือการมีความเข้าใจทั่วไปเกี่ยวกับความสัมพันธ์แบบตัวเองมากขึ้นเพราะอย่างที่ฉันได้กล่าวไปแล้วไม่ใช่ว่าทุกรัฐในเอกภพขึ้นอยู่กับสิ่งก่อนหน้าหรือไม่?

Autocorrelation มีการตีความหลายภาษาที่มีความหมายในลักษณะที่กระบวนการและโมเดลที่ไม่เกี่ยวข้องอัตโนมัติไม่ได้:

• ตัวแปร autocorrelated มีหน่วยความจำของค่าก่อนหน้า ตัวแปรดังกล่าวมีพฤติกรรมที่ขึ้นอยู่กับสิ่งที่เคยทำมาก่อน หน่วยความจำอาจยาวหรือสั้นเมื่อเทียบกับช่วงเวลาของการสังเกต ความจำอาจไม่มีที่สิ้นสุด หน่วยความจำอาจเป็นลบ (เช่นอาจแกว่ง) หากทฤษฏีนำทางของคุณบอกว่าในอดีต (ของตัวแปร) ยังคงอยู่กับเราความสัมพันธ์อัตโนมัติก็คือการแสดงออกของสิ่งนั้น (ดูตัวอย่างเช่น Boef, SD (2001). การสร้างแบบจำลองความสัมพันธ์ที่สมดุล: โมเดลแก้ไขข้อผิดพลาดที่มีข้อมูลอัตอย่างยิ่ง . การวิเคราะห์ทางการเมือง , 9 (1), 78-94 และยังเด Boef เอส & Keele ลิตร ( 2008). การสละเวลาอย่างจริงจัง . วารสารอเมริกันรัฐศาสตร์ 52 (1), 184-200.)

• ตัวแปรอัตสหสัมพันธ์หมายถึงระบบแบบไดนามิก คำถามที่เราถามและตอบเกี่ยวกับพฤติกรรมของระบบไดนามิกนั้นแตกต่างจากคำถามที่เราถามเกี่ยวกับระบบที่ไม่ไดนามิก ตัวอย่างเช่นเมื่อผลกระทบเชิงสาเหตุเข้าสู่ระบบและระยะเวลาที่ผลกระทบจากการก่อกวนที่จุดหนึ่งในเวลายังคงมีความเกี่ยวข้องจะได้รับคำตอบในภาษาของโมเดลที่เกี่ยวข้องอัตโนมัติ (ดูตัวอย่างเช่น Levins อาร์ (1998). เหตุและทฤษฎีระบบ . วิทยาศาสตร์และสังคม 62 (3), 375-399 แต่ยังอ้างอิง Pesaran ด้านล่าง.)

• ตัวแปร autocorrelated แสดงถึงความต้องการในการสร้างแบบจำลองอนุกรมเวลา (หากไม่ใช่แบบจำลองระบบแบบไดนามิกด้วย) วิธีการเวลา series จะบอกกล่าวกับพฤติกรรมอัต (และค่าเฉลี่ยเคลื่อนที่ซึ่งเป็นสมมติฐานการสร้างแบบจำลองเกี่ยวกับโครงสร้างที่ขึ้นกับเวลาของข้อผิดพลาด) พยายามที่จะจับรายละเอียดที่สำคัญของกระบวนการผลิตข้อมูลและยืนในทางตรงกันข้ามการทำเครื่องหมายที่จะยกตัวอย่างเช่นทีเรา เรียกว่า "longitudinal models" ซึ่งรวมเอาการวัดเวลาเป็นตัวแปรในรูปแบบที่ไม่ใช่ไดนามิกโดยไม่ต้องมีค่าปรับความสัมพันธ์อัตโนมัติ ตัวอย่างเช่นดู Pesaran, MH (2015) อนุกรมเวลาและข้อมูลแผงในเศรษฐมิตินิวยอร์ก: สำนักพิมพ์มหาวิทยาลัยออกซฟอร์ด

Caveat:ฉันใช้ "autoregression" และ "autoregressive" เพื่อบอกถึงโครงสร้างหน่วยความจำใด ๆกับตัวแปรโดยทั่วไปไม่ว่าคุณสมบัติระยะสั้นระยะยาวยูนิทรูทระเบิด ฯลฯ คุณสมบัติของกระบวนการนั้น

ความพยายามที่คำตอบ

ความสัมพันธ์อัตโนมัติไม่แตกต่างจากความสัมพันธ์อื่นระหว่างตัวทำนาย มันเป็นเพียงการคาดการณ์และตัวแปรตามที่เกิดขึ้นเป็นชุดเวลาเดียวกันล่าช้าเพียง

ไม่ใช่ทุกรัฐในจักรวาลที่ขึ้นอยู่กับสถานะก่อนหน้าใช่ไหม

ใช่แน่นอน. เช่นเดียวกับสถานะของวัตถุทุกอย่างในจักรวาลนั้นขึ้นอยู่กับวัตถุอื่น ๆ ทุกชนิดผ่านกองกำลังทางกายภาพทุกชนิด คำถามก็คือว่าความสัมพันธ์นั้นแข็งแกร่งพอที่จะตรวจจับได้หรือแข็งแรงพอที่จะช่วยเราในการทำนายสถานะ

และสิ่งเดียวกันนี้นำไปใช้กับออโตคอร์เรชัน มันอยู่ที่นั่นเสมอ คำถามคือว่าเราจำเป็นต้องสร้างแบบจำลองหรือการสร้างแบบจำลองเพียงแค่แนะนำความไม่แน่นอนเพิ่มเติม (การแลกเปลี่ยนความแปรปรวนอคติ) ทำให้เราแย่ลงกว่าที่จะไม่สร้างแบบจำลอง

ตัวอย่างจากงานส่วนตัวของฉัน: ฉันคาดการณ์ยอดขายซูเปอร์มาร์เก็ต การบริโภคนมในครัวเรือนของฉันค่อนข้างปกติ ถ้าฉันไม่ได้ซื้อนมภายในสามหรือสี่วันโอกาสสูงฉันจะเข้ามาซื้อนมวันนี้หรือพรุ่งนี้ หากซุปเปอร์มาร์เก็ตต้องการที่จะคาดการณ์ความต้องการนมในครัวเรือนของฉันพวกเขาควรคำนึงถึงความสัมพันธ์อัตโนมัตินี้ด้วย

อย่างไรก็ตามฉันไม่ใช่ลูกค้ารายเดียวในซุปเปอร์มาร์เก็ตของฉัน อาจมีอีก 2,000 ครัวเรือนที่ซื้อของชำที่นั่น การบริโภคนมของแต่ละคนมีความสัมพันธ์กันอีกครั้งโดยอัตโนมัติ แต่เนื่องจากอัตราการบริโภคของทุกคนแตกต่างกันความสัมพันธ์อัตโนมัติที่รวมจึงได้รับการลดทอนอย่างมากจนอาจไม่เหมาะสมในการสร้างแบบจำลองอีกต่อไป มันหายไปในความต้องการรายวันทั่วไปเช่นการสกัดกั้น และเนื่องจากซุปเปอร์มาร์เก็ตไม่สนใจว่าใครจะขายนมให้กับมันมันจะเป็นแบบจำลองความต้องการรวมและอาจไม่รวมถึงความสัมพันธ์อัตโนมัติ

(ใช่มีฤดูกาลภายในสัปดาห์) ซึ่งเป็นประเภทของความสัมพันธ์อัตโนมัติ แต่มันขึ้นอยู่กับวันของสัปดาห์ไม่ใช่ความต้องการในวันทำงานเดียวกันในหนึ่งสัปดาห์ก่อนหน้านี้ )

ก่อนอื่นฉันคิดว่าคุณหมายถึงอะไรคือจุดประสงค์ของการประเมินความสัมพันธ์แบบอัตโนมัติและจัดการกับมัน ถ้าคุณหมายถึง "จุดประสงค์ของการสร้างความสัมพันธ์" จริงๆแล้วนั่นคือปรัชญาไม่ใช่สถิติ

ประการที่สองสถานะของเอกภพมีความสัมพันธ์กับสถานะก่อนหน้า แต่ไม่ใช่ทุกปัญหาเชิงสถิติที่เกี่ยวข้องกับสถานะของธรรมชาติก่อนหน้า การศึกษาจำนวนมากเป็นแบบภาคตัดขวาง

ประการที่สามเราจำเป็นต้องสร้างแบบจำลองเมื่อมีหรือไม่ วิธีการสร้างสมมติฐาน รูปแบบส่วนใหญ่ของการถดถอยถือว่าไม่มีความสัมพันธ์อัตโนมัติ (นั่นคือข้อผิดพลาดเป็นอิสระ) หากเราละเมิดสมมติฐานนี้ผลลัพธ์ของเราอาจผิด ผิดมากแค่ไหน? วิธีหนึ่งที่จะบอกได้คือทำการถดถอยตามปกติและยังมีบางรุ่นที่อธิบายถึงการหาค่าอัตโนมัติ (เช่นโมเดลหลายระดับหรือวิธีอนุกรมเวลา) และดูผลลัพธ์ที่แตกต่างกัน แต่ฉันคิดว่าโดยทั่วไปการบัญชีเกี่ยวกับความสัมพันธ์อัตโนมัติจะลดเสียงรบกวนและทำให้แบบจำลองมีความแม่นยำมากขึ้น