• 締切済み

Ljung－Box検定について

s_nakの回答

  • s_nak
  • ベストアンサー率55% (269/487)
回答No.1

時系列データの残差に自己相関があると、古典的回帰分析の結果得られる推計パラメータがBLUE（最良不偏推定量）にならないからです。

この回答がついた質問に戻る
  1. カテゴリ
  2. 学問・教育
  3. 人文・社会科学
  4. 経済学・経営学

関連するQ&A

  • 正規性の検定について

    正規性の検定において、例えば5％未満で有意な時には「有意に正規分布に従わない」と判断できると思います。 この場合の帰無仮説はどうなるのでしょうか？ t検定では例えば「両者に差がない」という帰無仮説を立て、p＝0.02ならば棄却でき、「５％未満で有意に差がある」といえ、もしp＝0.07となったら、「有意に差があるとは言えない」 この考え方で言うと、正規性の検定の場合、帰無仮説は「正規分布しない」となって、これを棄却して「正規分布する」と結論付けるような気がするのですが、この考えは根本的に間違っていますか？ ごちゃごちゃして、分からなくなってしまいました。 どなたか詳しい方、お願いします。

  • 「有意差検定」とは

    「有意差検定」「統計学的有意性の評価」とは、どうすればよいのでしょうか。 平均値、標準偏差、標準誤差が求まっているので、以下の手順を踏むとよいと調べたら出てきました。 が、何をどうすればよいのかわかりません。 （ちなみに今回行った実験は、マウスに局所麻酔薬を注射して痛み刺激を与え、痛がらなかった回数を記録する、というものです） ① 仮説設定: まず、研究の対象に応じて帰無仮説（H0）と対立仮説（H1）を設定します。例えば、2つのサンプル間の平均値に差があるかどうかを検定する場合、次のように設定できます。 帰無仮説 (H0): 2つのサンプルの平均値は等しい。 対立仮説 (H1): 2つのサンプルの平均値は等しくない（または、ある特定の差がある）。 ② 統計検定の選択: 2つのサンプル間で平均値の差を評価する場合、独立な2標本t検定が適しています。ただし、データの性質や仮説に応じて、他の統計検定を選択することもあります。 ③ t検定の実行: 選択したt検定を実行し、結果を得ます。t検定は、2つのサンプルの平均値の差が統計的に有意かどうかを評価します。結果には、t値（t-statistic）とp値（p-value）が含まれます。 ④ 結果の解釈: 得られたp値を帰無仮説が成立する確率と比較します。通常、あらかじめ設定した有意水準（例: 0.05）と比較して、p値が有意水準未満であれば、帰無仮説を棄却し、対立仮説を採択します。これは、2つのサンプル間に統計的に有意な平均値の差があることを示唆します。 どんな些細なことでも教えていただきたいです。 どうぞよろしくお願いいたします。

  • 検定結果の読み方（調整済み残差）

    ある研究報告を読んでいて、検定結果の読み方について疑問があるので質問します。 (1)　X2(1)=137.297,p=0.000 (2)　X2(2)=34.510,p=0.000 (3)　X2(2)=0.045,p=0.978 という、3つの検定結果が表示されている場合で、カッコ内は調整済み残差らしいのです。それぞれ、どのように違いを理解すればいいでしょうか。 調べたところによると、調整済み残差は、p＜0.05水準で1.96以上でないと統計的貢献度？がないらしいので、(1)は、Χ二乗検定では相関が認められそうだが、残差が１なので有意だとはいえない、(2)はいえるという理解でよろしいのでしょうか？（(3)はそもそも、p値が有意でない） また、一般的に、Χ二乗検定の結果を出す時は、調整済み残差も一緒に表示する方が、望ましいものなのでしょうか？ どうぞ、よろしくお願いします。

  • 仮説検定の仮説の立て方についてです。

    数学を趣味で勉強してるものです。 仮説検定での、帰無仮説と対立仮説の立て方です。 例えば、コインの裏表で 表ならＡさんの勝ち、裏ならＢさんの勝ちを繰り返していたとします。 しかし、Ａさんが「どうも裏の方が出やすいのでは」と疑い、 Ｂさんは「そんなことはない、どちらも同じだよ」と主張しました。 この時、仮説検定で調べようとした場合、 裏の出る確率をｐとした場合 Ａさんにとっては、　　帰無仮説：ｐ＝0.5　　対立仮説：ｐ＞0.5 Ｂさんにとっては、　　帰無仮説：ｐ＞0.5　　対立仮説：ｐ＝0.5 というように、立場により、仮説の立て方が変わると考えてよいのでしょうか？ （立場により二つの仮説が考えられることに違和感を感じるので・・・） アドバイス頂けると助かります。 　　　

  • 片側検定ってずるくないでしょうか？

    統計学の、検定の勉強をしています。 検定では、両側検定と片側検定がありますが、 どちらを使うかは、試験条件などにより自由に選べるかと思います。 例：『血圧を下げる薬を使ったA～Eさんに、実際に効果があったか検定せよ』 上記のような例題があったとすると、血圧は下がりこそすれ、上がりはしないため 下側方向での片側検定をすることになると思います。 しかし、この例題において、（故意に）下側に範囲を寄せると、 結果として、両側検定より帰無仮説が棄却されやすくなります。 人為的操作により、帰無仮説が棄却されるように操作できてしまう ということが、なんだかずるく（？）思えてしまいます。 （実際にずるくはないですが、なんとなくニュアンスが伝わるでしょうか。。） なぜ、このように自由に片側・両側を選んでも問題がないのか 教えてください。

  • 検定におけるp値（p_value）の解釈の仕方について

    shigure2005と申します。 現在二変数の独立を帰無仮説としたカイ二乗適合度 検定を行っているのですが、この際に求められる p_valueは帰無仮説を棄却する以外の目的に使う ことはできないのでしょうか？ 具体的には、p_valueが小さい変数の組ほど相関が 強いとし、p_valueの値をもとに変数の組にランクを つけてそれを次の解析で利用するということです。 どうぞよろしくお願いします。

  • 残差に自己相関がある時系列データy(1),y(2),y(3),...,

    残差に自己相関がある時系列データy(1),y(2),y(3),...,y(n) に対して上昇トレンド（線形）が有意に存在することを 統計的検定で示したい場合はどのようにすればよいのでしょうか？ 単にデータ 時刻（x） 値(y) 1 1.512472 2 1.594956 3 1.636873 4 1.711896 5 1.570067 6 1.440109 7 1.550716 8 1.55284 9 1.372756 ・・・ ・・・ に対して単回帰分析（y=a+b*x）を行い、初級の統計で習うように 係数aの仮説検定H0:a=0 H1:a!=0に対応するp値を見ようとも 最初は思ったのですが、どうも系列相関を 無視して分析しているのが気になっていまいちすっきりしません。 適切な方法がわかる方がいたら、ご教示いただければ幸いです。

  • 回帰係数のt検定について

    回帰係数の検定では回帰定数を０とした帰無仮説とするということを、とあるテキストに書いてあり、その場合のt検定の式が下記のようになるらしいですが t=（求めた回帰定数）/√{（残差平方和）/（n-2) /（説明変数の偏差平方和）} このような式に至る過程を詳細に知りたいです。 どなたか詳しい方は教えて頂けませんでしょうか？一番気になる点は自由度が（n-2)になる点です。何卒宜しくお願い致します。

  • 帰無仮説 統計 p値

    コインを5回続けて投げて5回とも表がでるとする。 このコインは偏っているといえるか？ 通常偏っていると考えて 偏っていない という帰無仮説をたてて、0,5の5乗で約3パーセント P<0.05となっているため仮説は棄却 コインは偏っている。 r=0.90 (P<0.001) 相関係数は0.90と計算された。相関がないのに偶然r=0.90 となる確率は0.001以下 のようにp値を理解しています。 コインと同様にAとBは相関がないという帰無仮説をたて、計算し偶然r=0.90 になるのは P<0.001という結論を出し、 これだけ確率が低いのだからAとBは相関がないを棄却し、相関係数は0.90は偶然ではない ということでしょうか？ 偏っていないのに偶然5回とも表になる確率は5パーセント以下（3パーセント）だから偏っていない という帰無仮説を棄却し コインは偏っているという結論ですが、P<0.05という決まりがありこれ以下なら帰無仮説は棄却できるということですか？ 通常偏っていなと考えて 偏っている という帰無仮説をたててしまったらどうなるのでしょうか？

  • 統計学について

    統計学の無相関検定について 無相関検定について理解ができておらず、 どなたか教えてください。 理解できていない場所を理解したいので、 非常にまとまりがありませんが、箇条書きとしました。 番号ごとに箇条書きしたので、 番号に対応するように回答を頂けると幸いです。 よろしくお願いします。 (1)無相関検定により、帰無仮説が採択されると、相関係数の数値の大小に関係なく、一律で統計結果自体を無効にする。 (2)統計結果自体の無効とは、すなわち相関係数ゼロのことを指す。 (3)相関係数ゼロとは、すなわち無相関のことを指す。 (4)「相関の強さ」と「有意」は別個の考え方である。 (5)「相関が強いこと」＝「相関係数が1または-1に近いこと」である。 (6)相関が強い場合でも、有意でない場合は、「統計自体が無効だった」ということになる。 言い換えれば、「統計結果は無相関だった」という解釈になるのだろうか？ (7)相関が弱い場合で、かつ有意である場合は、「弱い相関があった」ということになる。 (8)「統計自体が無効だったこと」＝無相関なのか？ (9)「相関の強さが弱過ぎる」＝無相関なのか？ (10)相関があるという仮説の数は無限であり、相関が無いという仮説の数は１つである。 11.相関係数がゼロであることは、無相関検定をやること以外の方法では生じない。 つまり、変数が２つのとき「偏差積の平均÷標準偏差X÷標準偏差Y」の計算結果によって、相関係数がゼロという答えが出ることはない。(無相関検定をやる前から無相関であるという答えが導き出されることはない) 非常にまとまりが無くて申し訳ありませんが、よろしくお願いします！

注目のQ&A

カテゴリ

専門家に質問してみよう

職業から探して質問する
質問する