STATISTIK-FORUM.de

[_p_m_]

Hallo zusammen,

ich habe eine einfache lineare Regressionsanalyse mit Zeitreihendaten gemacht. In diversen Publikationen bin ich auf das Problem der Autokorrelation (englisch: seriell correlation) von Zeitreihendaten gestoßen. Empfohlen wurde mir ein Test, der auf Autokorrelation prüfen soll. Dieser Test ergab, dass Autokorrelation vorliegt. In einer anderen Publikation lass ich, dass wir bei Längsschnittsdaten nicht von einer Autokorrelation auszugehen haben. Dieses wäre ein Problem von Querrschnittsdatensätzen. Wieder andere betonten den Effekt von Saisonalen Effekten, welche durch eine dummy-Variable ausgeglichen werden kann.

Weiß jemand mehr?
Bin froh über Hinweise.
LG,

....

[Holgonaut]

Hi, sorry for the punch, aber hast du mal etwas Grundlagen über Zeitreihen gelesen, bevor du angefangen hast? Autokorrelation ist ein typisches Phänomen, dazu KÖNNEN saisonale Effekte Auftreten. Beides lässt sich einfach diagnostistizieren. Beides lässt sich dann auch einfach lösen--z.B. durch ein ARIMA oder SARIMA-Modell, du packst in die Regression season-dummies.

Schau dir mal das Buch von Hyndman an, das auch R code zu Zeitreihen hat: https://otexts.com/fpp3/

Jebb, A. T., Tay, L., Wang, W., & Huang, Q. (2015). Time series analysis for psychological research: examining and forecasting change. Frontiers in Psychology, 6, 727.

Jebb, A. T., & Tay, L. (2017). Introduction to time series analysis for organizational research: Methods for longitudinal analyses. Organizational Research Methods, 20(1), 61-94.

Ariens, S., Ceulemans, E., & Adolf, J. K. (2020). Time series analysis of intensive longitudinal data in psychosomatic research: A methodological overview. Journal of Psychosomatic Research, 110191.

Grüße
Holger

[_p_m_]

Hallo Holger,

Deine Literatur-Tipps waren sehr wertvoll. Allerdings arbeite ich ganz fundamental mit Excel derzeit, auch wenn ich lieber mit R arbeiten würde, und daher bringt mir der ein oder andere Befehl in der Literatur nicht viel.
Hat den Vorteil, dass ich in Excel die mathematischen Formeln kennen muss, ohne bloß ein Programm sowie einen Befehl anzuwenden. Ich habe mich teils intensiver der vorgeschlagenen Literatur gewidmet, aber ich bin weiterhin irritiert. Denn Hydnman berichtet, dass Autokorrelation in Zeitreihen vorhanden sein muss. Wenn nicht, dann hätten wir mit dem Phänomen des sogenannten weißen Rauschens zu tun. Gerne würde ich mehr über die ARIMA Verfahren erfahren, die auf einem recht simplen Niveau das Verfahren und zugrunde liegende mathematische Operationen erklären. By the way- vom Master der Psychologie bin ich noch weit entfernt;)-vielleicht übersteigt es noch meinen Horizont?

Ferner habe ich Zweifel, ob ich bei der Anwendung von Zeitreihen von einer linearen Regression sprechen kann. Dieses hört sich zumal banal an, aber es irritiert mich, dass in Zeitreihen nur eine Variable-neben dem Zeit-Index verwendet wird, wobei wir bei der linearen Regression den Zusammenhang von zwei Variablen betrachten.

Vielleicht hast Du ja noch einen Tipp für mich?
Viele Grüße,

[Holgonaut]

Hi,

wenn ich dir einen Tipp geben kann: Vermeide Excel! Jetzt wäre der ideale Zeitpunkt für den Einstieg in R. Das kostet dich ne Woche Grundlaen in tidyverse (z.B. hiermit: https://bookdown.org/yih_huynh/Guide-to ... verse.html).

Anschließend kannst du leicht den Zeitreihensachen folgen.

Zur abschließenden Frage: Nein, in einem Zeitreihenmodell kannst du natürlich auch X-Prädiktoren einbauen. Dabei wird die Zeitreihe zunächst "de-trended" und dann untersuchst du, ob X (oder merhere) zu jeden Zeitpunkt den spike erklären. Das geht auch mittels lagged effects--in dem Fall erklärt X_t-1 den spike von Y_t. Wenn du das wechselseitig machst (Y_t-1 --> X_t) spricht man von einem VAR model (vector autoregressive model).

Grüße
Holger