对于线性回归模型 Y i = β 0 + β 1 X 1 i + β 2 X 2 i + ⋯ + β n X n i + u i Y_{i}=eta_{0}+eta_{1}X_{1i}+eta_{2}X_{2i}+dots+eta_{n}X{ni}+u_{i} Yi=β0+β1X1i+β2X2i+⋯+βnXni+ui在其他经典假定不变的条件下，若 C o v ( u i , u j ) = E ( u i u j ) ≠ 0 ( i ≠ j ) Cov(u_{i},u_{j})=E(u_{i}u_{j}) eq0 quad (i eq j) Cov(ui,uj)=E(uiuj)=0(i=j)则称为自相关或序列相关。如果仅存在 C o v ( u t , u t + 1 ) ≠ 0 ( t = 1 , 2 , … , n ) Cov(u_{t},u_{t+1}) eq 0quad(t=1,2,dots,n) Cov(ut,ut+1)=0(t=1,2,…,n)则称为一阶自相关。 一阶自相关通常可以写成如下形式： u t = ρ u t − 1 + v t ( − 1 < ρ < 1 ) A R ( 1 ) u_{t}= ho u_{t-1}+v_{t} quad (-1
线性回归:自相关检测及其处理方法<残差图分析法的基本思想是什么>
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至lizi9903@foxmail.com举报，一经查实，本站将立刻删除。