当您进行 OLS 回归并绘制结果残差时，如何判断残差是否自相关？我知道对此有测试（Durbin，Breusch-Godfrey），但我想知道您是否可以只看一个图来衡量自相关是否可能是一个问题（因为对于异方差来说，这样做相当容易）。
如何判断残差是否与图形自相关
机器算法验证
回归
自相关
残差
2022-03-18 20:21:41
2个回答
你不仅可以看情节，我认为它通常是一个更好的选择。这种情况下的假设检验回答了错误的问题。
通常要查看的图是残差的自相关函数 (ACF)。
自相关函数是残差（作为时间序列）与其自身滞后的相关性。
例如，这里是来自 Montgomery 等人的一个小例子的残差 ACF
一些样本相关性（例如滞后 1,2 和 8）并不是特别小（因此可能会对事物产生实质性影响），但也无法从噪声的影响中看出它们（样本非常小）。
编辑：这是一个图来说明不相关和高度相关系列之间的区别（实际上是非平稳系列）
上图是白噪声（独立）。较低的一个是随机游走（其差异是原始系列） - 它具有非常强的自相关性。
如果 5% 或更少的自相关值落在区间之外，这并不罕见，因为这可能是由于采样变化造成的。一种做法是为前 20 个值生成自相关图，并检查是否有多个值超出允许的区间。