weixin_64678621的博客

自相关性描述了时间序列中同一变量在不同时间点的相关性。具体而言，它是通过计算时间序列与其自身在不同滞后期的相关性来度量的。例如，股票价格的今日收盘价可能与昨日收盘价存在显著相关性。概念公式/方法说明自相关系数ρk∑yt−yˉyt−k−yˉ∑yt−yˉ2ρk​∑yt​−yˉ​2∑yt​−yˉ​yt−k​−yˉ​​衡量时间序列滞后相关性DW 检验统计量DW∑et−et−12∑e。

因变量 y 的异常值观测值明显偏离模型预测值（如残差过大）。可能导致回归系数估计偏差、标准误差失真。自变量 x 的异常值自变量取值显著偏离其他观测值（离群值）。可能成为高杠杆点（High Leverage Point），对模型产生强影响。自变量 x 的异常值通常是指那些显著偏离其他观测值的数据点（又称为离群值）。高杠杆值（高hiih_{ii}hii​对回归系数的估计产生较大影响。模型对这些点的依赖性增强（称为高影响力点）。概念公式/判定标准说明标准化残差∣r。

在回归分析中，多重共线性（Multicollinearity）是自变量之间存在高度线性相关性的现象。它可能导致模型参数估计不稳定、方差增大，甚至使模型失去解释能力。本文将系统介绍多重共线性的影响、检测方法及解决方案，并附带相关技术原理的详细说明。