Aufgabe:
Ich möchte eine einfache lineare Regressionsanalyse berechnen.
Meine Daten sind :
Temperatur Verbrauch
25 1
24 3
22 6
26 3
23 2
26 3
25 1
23 4
24 2
24 1
23 5
27 2
29 0
30 0
31 0
33 0
33 0
31 0
29 0
24 3
24 2
23 3
22 2
24 2
20 4
16 7
14 9
16 13
14 14
15 12
14 15
15 12
14 14
12 14
10 16
13 13
12 15
14 13
9 18
6 21
7 22
5 24
8 23
5 22
7 21
6 20
4 25
3 24
2 24
5 20
10 13
16 8
22 3
nun habe ich die Modellanahmen geprüft die notwendig für ein lineares einfaches Regressionsmodell sind:
-Linearer Zusammenhang der Variablen (grafisch Streudiagramm)
-Varianz der Unabhängige Variable (Varianz berechnet von x)
-Homoskedastizität (grafisch Streudiagramm)
-Normalverteilung der Fehlervariablen (grafisch Histogramm/QQ-Plot)
-Unabhängigkeit der Fehlervariablen (keine Autokorrelation) [Durbin-Watson-Test]
Problem/Ansatz:
Der letzte Punkt, die Prüfung auf Unabhängigkeit der Fehlervariablen habe ich mit dem Durbin-Watson-Test geprüft.
Durbin-Watson testdata: data$Temperatur ~ data$VerbrauchDW = 0.71167, p-value = 1.783e-08alternative hypothesis: true autocorrelation is greater than 0
Es besteht somit eine Autokorrelation.
Ist es schlimm wenn die Annahme der Autokorrelation verletzt ist ?
Ich habe gelesen das der OLS-Schätzer trotzdem konsistent und erwartungstreu bleibt, des weiteren sind die Tests t-Test und F-test ungültig (habe ich aber nicht vor zu berechnen).
Ich hatte etwas über Zeitreihenanalyse gelesen aber das sprengt jetzt etwas den Rahmen für mich, da ich mich so tief mit der Materie nicht beschäftigen will/muss.
