一維時間序列數據的Durbin-Watson統計

我正在試驗以決定是否與自身相關的時間序列（如在，一個浮點列表）。我已經在statsmodels（http://statsmodels.sourceforge.net/devel/generated/statsmodels.tsa.stattools.acf.html）中使用了acf函數，現在我正在研究Durbin-Watson統計是否有任何價值。一維時間序列數據的Durbin-Watson統計

好像這種事情應該工作：

from statsmodels.regression.linear_model import OLS 
import numpy as np 

data = np.arange(100) # this should be highly correlated 
ols_res = OLS(data) 
dw_res = np.sum(np.diff(ols_res.resid.values))

如果要運行它，你會得到：

Traceback (most recent call last): 
... 
    File "/usr/lib/pymodules/python2.7/statsmodels/regression/linear_model.py", line 165, in initialize 
    self.nobs = float(self.wexog.shape[0]) 
AttributeError: 'NoneType' object has no attribute 'shape'

看來，d/W通常用於比較兩個時間序列（例如http://connor-johnson.com/2014/02/18/linear-regression-with-python/）的相關性，所以我認爲問題是我沒有通過另一個時間序列比較。也許這應該通過exog參數傳遞給OLS？

exog : array-like 

A nobs x k array where nobs is the number of observations and k is 
the number of regressors.

（從http://statsmodels.sourceforge.net/devel/generated/statsmodels.regression.linear_model.OLS.html）

側面說明：我不知道一個「NOBS X K」陣列的意思。也許與數組是x由k？

那麼我應該在這裏做什麼？我是否預計會通過data兩次，或手動延遲自己，還是？

謝謝！

來源

2017-04-10 Edd Barrett

OLS是需要y和x（或endog和exog）的迴歸。在你的情況下，x需要至少是一個常數，即。 np.ones（len（endog），1）。

此外，您需要適合模型，即ols_res = OLS(y, x).fit()。

nobs x k裝置2維用行k變量NOBS觀察列，即exog.shape是(nobs, k)

德賓沃森是串行相關性的檢驗統計量。它包含在OLS彙總輸出中。 statsmodels中還包含其他不包含自相關的測試。

（我會建議通過一些例子或補習的筆記本電腦工作。）

來源

2017-04-10 14:31:44 user333700

謝謝。你能否確認將數據與自身關聯起來，我不需要自己拖延數據？只傳遞數據作爲獨立變量和一個常量向量作爲因變量。對？ –

在這種情況下，OLS將僅僅貶低數據。像DW或類似的殘差然後診斷測試然後可以使用，例如http://www.statsmodels.org/stable/stats.html#module-statsmodels.stats.stattools http://www.statsmodels.org/stable/diagnostic.html#autocorrelation-tests – user333700

謝謝！我還貼出了代碼示例。 –

我已經接受user333700的答案，但我想後的代碼片段跟進。

這個小程序計算線性範圍（應高度相關，因此給出一個接近於0的值）的durbin-watson相關性，然後計算隨機值（它們不應該相關，因此給出的值接近於2）：

from statsmodels.regression.linear_model import OLS 
import numpy as np 
from statsmodels.stats.stattools import durbin_watson 



def dw(data): 
    ols_res = OLS(data, np.ones(len(data))).fit() 
    return durbin_watson(ols_res.resid) 


print("dw of range=%f" % dw(np.arange(2000))) 
print("dw of rand=%f" % dw(np.random.randn(2000)))

當運行：

dw of range=0.000003 
dw of rand=2.036162

所以我覺得很好看:)

來源

2017-04-10 21:02:59

一維時間序列數據的Durbin-Watson統計

回答

相關問題