STATISTIK-FORUM.de

[klarakroft]

Hallo Forum,

ich versuche Zeitreihen mittels gewöhnlicher Kleinstquadratmethode zu analysieren (bivariate Regressionsanalyse zweier Zeitreihen). Nun, so wie ich es verstehe, müssen die Zeitreihen kovarianz-stationär sein, um Probleme wie "spurious regression" zu vermeiden. Ich habe etwas recherchiert und es scheint einige Tests zu geben, die Zeitreihen auf genau diese Charaktereigenschaft untersuchen. Im Rahmen meiner Untersuchung ist ein simpler Test vollkommen ausreichend (Hauptsache er ist richtig spezifiziert), ich dachte da an den Augmented-Dickey-Fuller Test.

Ich arbeite in R und mittels der entsprechenden Packages ist ein Durchführen des Tests kein Problem, wären da nicht folgendes Problem: Meine Daten sind stündlich gemessene Daten eines Jahres (n=8760), die Saisonalität hinsichtlich Tageszeit, Wochentag und Jahreszeit aufweisen. Wenn ich nun den Test durchführe, wobei die Lag-Anzahl des Tests by default 20 ist, ergibt sich ein p-Wert von weit unter 0.01 für die Alternativhypothese die Zeitreihe sei stationär. Schaut man sich die Zeitreihe graphisch an, so ist jedoch ein deutlicher Unterschied zwischen den Sommer- und Winter-Werten festzustellen. Die intuitiv-graphische Betrachtung widerspricht dem Testergebnis also vollkommen.

Nun meine konkrete Frage: Inwiefern wirkt sich die Saisonalität auf das Testergebnis aus und was für eine Lag-Anzahl sollte ich bei dieser Art von Daten im Test verwenden (eine Überlegung war 24*7=168 Lags anstatt 20).

Ich habe nicht den Anspruch, komplexe Modelle zur Bestimmung von Stationarität zu verwenden, sondern möchte den Augmented-Dickey-Fuller Test möglichst gut spezifizieren um zu einem sinnvollem Ergebnis zu kommen.

EDIT: Ich habe versucht einen Dateianhang hochzuladen, allerdings scheint dieser nicht angezeigt zu werden.