수산 관련 시계열 자료를 이용한 통계학적 분석에서의 자기상관에 대한 고찰

Abstract

시계열자료가 가진 자기상관은 추정된 상관관계를 왜곡시키는 요인들 중의 하나로 작용한다. 회귀모형의 잔차항에 자기상관이 있는 지를 검정하기 위해 Durbin-Watson 통계량이 흔히 쓰인다. 잔차항에 자기상관을 가진 회귀모형의 효율성을 향상시키기 위해 yule-Walker 법, 비선형최소제곱법, 최우추정법 및 사전백색화법이 사용되어 왔다. 본 연구는 자기상관으로 인한 상관관계의 왜곡을 방지하기 위한 이들 방법들에 대해 고찰하였다. 사전백색화법을 제외한 앞의 3가지 방법을 20년간의 실제 시계열 자료에 적용하였으며 몬테카를로법을 이용하여 각 방법의 오차변이를 조사하였다. 각 방법의 평균잔차제곱분포의 경우, 최우추정법으로 추정된 평균잔차제곱이 가장 작았으며 분포 범위도 가장 작았으나 각 추정방법 사이에 유의한 차이가 발견되지는 않았다. Autocorrelation in time series data can affect statistical inference in correlation or regression analyses. To improve a regression model from which the residuals are autocorrelated, Yule-Walker method, nonlinear least squares estimation, maximum likelihood method and 'prewhitening' method have been used to estimate the parameters in a regression equation. This study reviewed on the estimation methods of preventing spurious correlation in the presence of autocorrelation and applied the former three methods, Yule-Walker, nonlinear least squares and maximum likelihood method, to a 20-year real data set. Monte carlo simulation was used to compare the three parameter estimation methods. However, the simulation results showed that the mean squared error distributions from the three methods simulated do not differ significantly.