Autokorrelation

I. Statistik:In der ⇡ Regressionsanalyse und ⇡ Zeitreihenanalyse die Erscheinung, dass die ⇡ Störgrößen, die auf die verschiedenen Werte der ⇡ endogenen Variablen einwirken, korreliert (⇡ Korrelation) und damit paarweise stochastisch abhängig sind. Das Vorliegen von A. widerspricht dem klassischen Modell der ⇡ linearen Regression.

- Die Existenz der A. ist statistisch prüfbar, i.Allg. mithilfe des ⇡ Durbin-Watson-Tests; sie führt zu nicht wünschenswerten Eigenschaften der Schätzfunktionen für die Parameter des Regressionsmodells bei Verwendung der gewöhnlichen ⇡ Methode der kleinsten Quadrate (MKQ). Es existieren Modelle und Schätzmethoden, die dem Vorliegen der A. Rechnung tragen, z.B. die ⇡ verallgemeinerte Methode der kleinsten Quadrate.

II. Ökonometrie:Bei ⇡ ökonometrischen Modellen wird i.d.R. davon ausgegangen, dass die Störvariablen (⇡ Störgröße) stochastisch unabhängige und identisch verteilte ⇡ Zufallsvariablen, d.h. ⇡ weißes Rauschen, sind. Eine Verletzung dieser Annahme führt dazu, dass z.B. die gewöhnlichen Kleinst-Quadrate-Schätzfunktionen für die unbekannten Parameter linearer Einzelgleichungsmodelle einen Teil der an sich gewünschten stochastischen Eigenschaften verlieren (⇡ gewöhnliche Methode der kleinsten Quadrate). Im Fall einer Verwendung von Zeitreihendaten wird häufig als mögliche Alternative zu unkorrelierten Störvariablen ein autoregressiver Prozess (⇡ AR(p)-Prozess) als erzeugender Prozess angenommen.

- Überprüfung der Hypothese nichtautokorrelierter Störvariablen in ökonometrischen Modellen: ⇡ Autokorrelationstest.