時系列
確率過程と時系列が、時間の経過にそって得られる確率いぇきな量
時刻、t1、t2 ・・・で観測される
確率過程 X(t1)、X(t2)が・・・が時系列
PR
自己回帰モデル( autoregressive : AR)
次数を、1、とすると、時刻 t の予測は、次で表される
AR(1): yt = β0 + β1 * yt-1+ εt
ここで、 εtは誤差、β0はドリフトと呼ばれる。
β1 =1 の場合
yt = β0 + yt-1+ εt
は、ランダムウォークと呼ばれる。
横断的データ(クロスセクション)
複数の個体についてのある時点での観測値
時系列データ
1つの個体についての、複数の時点での観測値
データの自己相関
時系列データなど、自分自身と相関のあるデータ
時系列データのラグ
・時系列データは、任意の時間tと、kだけ離れたt+kのデータからなる
・この時差を表すkを、ラグという
・tとt+kのデータの共分散や相関を、自己共分散、自己相関と呼ぶ
・また、自己相関を、kの関数とみなせる。これを、自己相関関数と呼ぶ