Untuk kata pengantar ini, saya memiliki latar belakang matematika yang cukup dalam, tetapi saya tidak pernah benar-benar berurusan dengan deret waktu, atau pemodelan statistik. Jadi kamu tidak harus bersikap sangat lembut padaku :)
Saya membaca makalah ini tentang memodelkan penggunaan energi di bangunan komersial, dan penulis membuat klaim ini:
[Kehadiran autokorelasi muncul] karena model ini telah dikembangkan dari data deret waktu penggunaan energi, yang secara inheren autokorelasi. Setiap model murni deterministik untuk data deret waktu akan memiliki autokorelasi. Autokorelasi ditemukan untuk mengurangi jika [lebih banyak koefisien Fourier] dimasukkan dalam model. Namun, dalam sebagian besar kasus, model Fourier memiliki CV rendah. Oleh karena itu, model dapat diterima untuk tujuan praktis yang tidak menuntut presisi tinggi.
0.) Apa yang dimaksud dengan "model deterministik murni untuk data deret waktu akan memiliki autokorelasi"? Samar-samar saya bisa mengerti apa artinya ini - misalnya, bagaimana Anda mengharapkan untuk memprediksi titik berikutnya dalam rangkaian waktu Anda jika Anda memiliki 0 autocorrelation? Ini bukan argumen matematis, untuk memastikan, itulah sebabnya ini 0 :)
1.) Saya mendapat kesan bahwa autokorelasi pada dasarnya membunuh model Anda, tetapi memikirkannya, saya tidak mengerti mengapa ini harus terjadi. Jadi mengapa autokorelasi adalah hal yang buruk (atau baik)?
2.) Solusi yang saya dengar untuk menangani autokorelasi adalah dengan membedakan deret waktu. Tanpa berusaha membaca pikiran penulis, mengapa orang tidak melakukan perbedaan jika autokorelasi yang tidak dapat diabaikan ada?
3.) Apa batasan yang ditempatkan autokorelasi yang tidak dapat diabaikan pada model? Apakah ini asumsi di suatu tempat (yaitu, residu terdistribusi normal ketika pemodelan dengan regresi linier sederhana)?
Bagaimanapun, maaf jika ini adalah pertanyaan dasar, dan terima kasih sebelumnya telah membantu.
sumber
Saya menemukan makalah ini ' Regresi Spurious dalam Ekonometrika ' membantu ketika mencoba memahami mengapa perlu menghilangkan tren. Pada dasarnya jika dua variabel sedang tren maka mereka akan bervariasi, yang merupakan resep untuk masalah.
sumber