自相關判斷方法(.1.自相關的檢驗方法)
1..1.自相關的檢驗方法有哪些
相關性檢驗方法共同思路是：采用普通最小二乘法估計模型，以求的隨機干擾項的“近似估計量”，然后通過這些“近似估計量”之間的相關性以表達判斷隨機干擾項是否具有序列相關的目的，主要相關性檢驗有四種：圖示法、回歸檢驗法、杜賓-瓦森檢驗法（D.W.）、拉格朗日檢驗（GB）。
最好的檢驗方法應該是GB檢驗，適用于高階序列相關及模型中存在滯后變量的情形。D.W.檢驗中，存在一個不能確定的D.W.值區(qū)域，且僅能檢測一階自相關，對存在置后被解釋變量的模型無法檢驗。
后兩個問題，因不懂什么是自相關形式、自相關類型，故暫時無法回答。
2.運用什么方法判斷方程是否存在自相關
自相關又稱序列相關，是指總體回歸模型的隨機誤差項之間存在相關關系。
即不同觀測點上的誤差項彼此相關。 自相關產生的原因有很多，一般認為主要有一下幾種，經濟變量慣性的作用引起隨機誤差項自相關，經濟行為的滯后性引起隨機誤差項自相關，一些隨機偶然因素的干擾引起隨機誤差項自相關，模型設定誤差引起隨機誤差項自相關，觀測數據處理引起隨機誤差項序列相關。
一般經驗告訴我們，對于采用時間序列數據作樣本的計量經濟學問題，由于在不同樣本點上解釋變量以外的其他因素在時間上的連續(xù)性，帶來它們對被解釋變量的影響的連續(xù)性，所以往往存在序列相關性。
3.運用什么方法判斷方程是否存在自相關
自相關又稱序列相關，是指總體回歸模型的隨機誤差項之間存在相關關系。
即不同觀測點上的誤差項彼此相關。 自相關產生的原因有很多，一般認為主要有一下幾種，經濟變量慣性的作用引起隨機誤差項自相關，經濟行為的滯后性引起隨機誤差項自相關，一些隨機偶然因素的干擾引起隨機誤差項自相關，模型設定誤差引起隨機誤差項自相關，觀測數據處理引起隨機誤差項序列相關。
一般經驗告訴我們，對于采用時間序列數據作樣本的計量經濟學問題，由于在不同樣本點上解釋變量以外的其他因素在時間上的連續(xù)性，帶來它們對被解釋變量的影響的連續(xù)性，所以往往存在序列相關性。
4.信號的自相關函數的計算方法與特點是什么
自相關函數，信號在時域中特性的平均度量，它用來描述隨機信號x(t)在任意兩個不同時刻s,t的
取值之間的相關程度，其定義式為
自相關函數的主要特點：
1、自相關函數為偶函數，其圖形對稱于縱軸。
2、當s=t 時，自相關函數具有最大值，且等于信號的均方值，即
3、周期信號的自相關函數仍為同頻率的周期信號。
擴展資料
自相關函數應用
信號處理中，自相關可以提供關于重復事件的信息，例如音樂節(jié)拍（例如，確定節(jié)奏）或脈沖星的頻率（雖然它不能告訴我們節(jié)拍的位置）。另外，它也可以用來估計樂音的音高。
非正式地來說，它就是兩次觀察之間的相似度對它們之間的時間差的函數。它是找出重復模式（如被噪聲掩蓋的周期信號），或識別隱含在信號諧波頻率中消失的基頻的數學工具。它常用于信號處理中，用來分析函數或一系列值，如時域信號。
參考資料來源：百度百科-相關函數
參考資料來源：百度百科-自相關函數
