Autocorrelación serial igual a cero: precisión para la estimación

• Paula Fernández García ^[1] ; Guillermo Vallejo Seco ^[1] ; Francisco Javier Herrero Díez ^[1]
  1. [1] Universidad de Oviedo

     Universidad de Oviedo

     Oviedo, España

     
• Localización: Psicothema, ISSN-e 1886-144X, ISSN 0214-9915, Vol. 16, Nº. 1, 2004, págs. 163-169
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen

  • La precisión de nueve procedimientos para el cálculo de la autocorrelación ha sido evaluada en un diseño de Grupos x Ocasiones. Utilizamos seis estucturas de matrices de dispersión (S) con ausencia de autocorrelación serial: Simetría Combinada, Huynh-Feldt, No Estructurada (e= .56 y e= .75) y de Coeficientes Aleatorios (e= .56 y e= .75). Los resultados indican que el procedimiento de Hearne, Clark y Hatch (1983) realiza una estimación ajustada independientemente del tamaño de la muestra y del número de puntos de serie salvo cuando la matriz subyacente es de Simetría Combinada o Huynh-Feldt. El resto de los estimadores dependen de q y de S y sólo los procedimientos de Jones (1985) y de Pantula y Pollock (1985) dependen significativamente del tamaño de la muestra. Los procedimientos de Wilson, Hebel y Sherwin (1981), Gill (1992) y Pantula y Pollock (1985), en este orden, son los más afectados por el maridaje ausencia de autocorrelación-ausencia de esfericidad.

• Referencias bibliográficas
  • Andersen, A.H. Jensen,E.B. y Schou, G. (1981). Two-way analysis of variance with autocorrelated errors. International Statistical Review 49,...
  • Anderson, T.W. (1971). The Statistical Analysis of Time Series. New York: Wiley.
  • Arnau, J. (1999). Reducción del sesgo en la estimación de la autocorrelación en series temporales cortas. Metodología de las ciencias del...
  • Azzalini, A. (1984). Estimation and hypothesis testing for collections of autorregressive time series. Biometrika 71, 85-90. Correction: 74...
  • Azzalini, A. y Browman, A. (1990). Nonparametric regression methods for repeated measurements. En G.G. Roussas (ED.). Nonparametric Functional...
  • Azzalini, A. y Frigo, A.C. (1991). An explicit nearly unbiased estimate of the AR(1) parameter for repeated measurements. Journal Time Series...
  • Bartlett, M.S. (1956). An Intriduction to Stochastic Processes with Special Reference to Methods and Applications. Cambridge University Press.
  • Cornell , J.E., Young, D.M. y Bratcher, T.L. (1991). An algorithm for generating covariance matrices with specified departures from sphericity....
  • Daniels, H.E (1956). The aproximate distribution of serial correlation coefficients. Biometrika 43, 169-185.
  • Fernández, P., Vallejo, G y Escudero, J.R. (2002). Diagnóstico de la precisión de nueve procedimientos para el cómputo de la autocorrelación...
  • Fernández, P. y Vallejo, G (2002). Ausencia de normalidad y desigualdad del tamaño de los grupos. ¿Afecta a la estimación de la autocorrelación?...
  • GAUSS. (1997). The Gauss System. (Vers. 3.2.32). Washington: Aptech Systems, Inc.
  • Gill, P.S. (1992). A note on modelling the covariance structure of repeated measurements. Biometrics 48, 965-968.
  • Hearne, E.M., Clark, G.M. y Hatch, J.P. (1983). A test for serial correlation in un ivariate repeated-measures analysis . Biometrics 39, 237-...
  • Jennrich, R.I. y Schluchter, M.D. (1986). Unbalanced repeated-measures models with structured covariance matrices. Biometrics 42, 805-820.
  • Jones, R.H. (1985). Repeated measures, interventions, and time series analysis. Psychoneuroendocrinology 10(1), 5-14.
  • Kinderman, A.J. y Ramage, J.G. (1976). Computer generation of normal random numbers. Journal of American Statistical Association 77, 893-896.
  • Koopmans, T. (1942). Serial correlation and quadratic forms in normal variables. Annals of Mathematical Statistic 13, 14.
  • Laird, N.M. y Ware, J.H. (1982). Random-effects models for longitudinal data. Biometrics 38, 963-974.
  • Litlell, R.C., Milliken, G.A., Stroup; W.W. y Wolfinger, R.D. (1996). SAS system for mixed models, Cary, NC: SAS Institute.
  • Pantula, S.G. y Pollock, K.H. (1985). Nested analysis of variance whith autocorrelated errors. Biometrics 37, 909-920.
  • Schauer, E.M. y Stoller, D.S. (1966). On the generation of normal random vectors. Technometrics, 4, 278-280.
  • Schmitz, B. (1990). Univariate and multivariate time series models: The analysis of intraindividual variability and intraindividual relationships....
  • Wilson, P.D., Hebel; J.R. y Sherwin, R. (1981). Screening and diagnosis when within-individual observations are Markov-dependent. Biometrics...
  • Wolfinger, R.D. (1996). Heterogeneous variance-covariance structures for repeated measurements. Journal of Agricultural, Biological, and Environmental...