regression - 在多个时间序列一个数据集中使用 python 可视化自相关
问题描述
背景
对包含 4 个数据点的 21 个时间序列的数据集执行多元线性回归分析。每个数据点代表 9 个可以描述一个值的变量。21 个数据点用于水文集水区。
添加更多变量后,调整后的 R² 并没有迅速下降。
问题陈述
由于 4 个数据点是较长时间序列的静态窗口,我认为数据点之间的自相关是问题所在。
问题
如何可视化或估计不同时间序列内是否存在自相关?最好使用统计模型。
我试过的:
我认为残差的 ACF 不起作用,因为我有 21 个时间序列。
解决方案
推荐阅读
- html - 考虑容器一侧的侧边栏和内容区域的问题查找计算
- javascript - 删除所有带有 Key Id 的元素
- html - .HTMLBody - 正文和签名之间的间距
- bash - Bash 循环产生不需要的重复结果
- php - 根据不同的值计算多维数组中的数组值
- asp.net - 在 ASP.net Web API 中为 Angular 前端设置路由
- java - 将字符串值转换为 double 类型的二维数组
- c++ - 冒泡排序中需要的交换次数,但没有实际排序
- vb.net - 将组合框日期与可数据框进行比较
- ms-access - 从 Ms Access 中的 ADODB.Connection 创建链接表