Regrese s AR(p) chybami
Klasická regresní analýza je založena na několika předpokladech, jedním z klíčových předpokladů je nezávislost jednotlivých náhodných chyb. Předložená práce se zabývá situací, kdy je předpoklad nezávislosti porušen, s čímž se setkáme nejčastěji u časových řad. K modelování a řešení tohoto problému j...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Čeština |
| Vydáno: |
2009.
|
| Témata: | |
| On-line přístup: | http://is.muni.cz/th/211585/prif_b/ |
| Shrnutí: | Klasická regresní analýza je založena na několika předpokladech, jedním z klíčových předpokladů je nezávislost jednotlivých náhodných chyb. Předložená práce se zabývá situací, kdy je předpoklad nezávislosti porušen, s čímž se setkáme nejčastěji u časových řad. K modelování a řešení tohoto problému je použit regresní model s AR(p) chybami. V práci jsou také popsány základní testy pro odhalení autokorelace, především nejznámější Durbin-Watsonův test. Uvedená teorie je demonstrována na příkladu za pomocí systému Matlab. Classical regression analysis is based on several statistical assumptions. One key assumption is that the errors are independent of each other. The present work deals with situation in which this assumption is violated. This is usually problem of time series data. Regression model with AR(p) errors is used to solve this problem. Thesis describes basic tests to detect the presence of autocorrelation especially the best known Durbin-Watson test. The theory is demonstrated on example with use of Matlab software. |
|---|---|
| Popis jednotky: | Vedoucí práce: Marie Forbelská. |
| Fyzický popis: | 39 l. |