変数が自己相関している場合、回帰を信頼できますか？

両方の変数（依存および独立）は自己相関効果を示します。データは時系列で定常的です

回帰を実行すると、残差が相関していないように見えます。私のダービン・ワトソン統計は臨界値よりも大きいので、エラー項が正の相関関係にないという証拠があります。また、エラーのACFをプロットすると、相関関係がないように見え、Ljung-Box統計が臨界値よりも小さくなっています。

回帰出力を信頼できますか？t統計は信頼できますか？

エラーの自己相関がない場合、t統計は信頼できます。残差が有意な自己相関を示さないという事実は、それほど厳密ではないが、従属変数の自己相関が独立変数の自己相関によるものであることを示しています。ただし、統計的有意性と有意性の差は、多くの場合それ自体は統計的に有意ではないことを覚えておくことも重要です。上記のステートメントの厳密さ。

別のアプローチは、時系列分析手法を使用してデータをモデル化することです。Rについては、CRANタスクビュー：時系列分析で非常に簡単に説明されています。これらの手法では、時間間の相関構造を明示的にモデル化することで、より正確なパラメーター推定を得ることができます。一方、それらを明示的にモデル化しない場合、データ内のそのような構造のみが独立変数によるものであると暗黙的に想定されます。

エラーの自己相関がある場合、t統計は信頼できません。エラーの自己相関は、原因変数のラグ構造が不十分であるか、従属変数ラグ構造が不十分である可能性があります。さらに、エラー構造の異常により、ランダム性が誤って受け入れられるため、パルス、レベルシフト、季節パルス、および/または存在する可能性がある未処理のローカルタイムトレンドの影響を緩和するように注意する必要があります。Durbin-Watson検定は、ラグ1の有意な自己相関のみを明らかにします。Saylag Sの自己相関がある場合、Sは測定の頻度（4、7、12など）であり、DWテストはランダム性を誤って示唆します。