平稳或者几阶平稳：强要求是系列的联合分布是一致的，弱要求是协方差矩阵不依赖于时间【即绝对位置不影响结果，只有相对重要性】。由于受到除此系列以外其他因素/系列的影响，宏观经济中的例子通常用向量自相关模型，那么还要求检查系列之间的协整情况，从而决定是否建立向量误差修订模型。
为什么要做自相关系数分析？
做自相关系数分析目的是要判断数据是否平稳。
而判断数据是否平稳的目的是，要判断数据是否有趋势，并且要应用某些时间序列预测模型，需要先将不平稳的数据通过差分使其平稳。
首次每个人对图形的看法不同，统计检验就是试图用数字来说话，告诉你在一定的概率下平稳。
其次一个时间序列，如果均值没有系统的变化（无趋势）、方差没有系统变化，且严格消除了周期性变化，就称之是平稳的。
震荡是在股市中指股价在某个区间内进行反复整理、上下波动。
从定义上，平稳就是震荡，但是震荡不一定平稳。
最后预测实质上是通过对平稳序列的解读进行预测。
如何使用dw统计量来进行自相关检验？该检验方法的前提条件和局限性有哪些
给定显著水平a，依据样本容量n和解释变量个数k'，查D.W.表得d统计量的上界du和下界dL。
当0<d<dL时，表明存在一阶正自相关，而且正自相关的程度随d向0的靠近而增强。当dL<d<du时，表明为不能确定存在自相关。当du<d<4-du时，表明不存在一阶自相关。当4-du<d<4-dL时，表明不能确定存在自相关。当4-dL<d<4时，表明存在一阶负自相关，而且负自相关的程度随d向4的靠近而增强。
DW检验前提条件：
（1）回归模型中含有截距项。
（2）解释变量是非随机的。
（3）随机扰动项是一阶线性自相关。
（4）没有缺失数据，样本比较大。
DW检验局限性：
（1）DW检验有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断。
（2）DW检验不适应随机误差项具有高阶序列相关的检验。
（3）只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量。
扩展资料
自相关性产生的原因
线性回归模型中随机误差项存在序列相关的原因很多，但主要是经济变量自身特点、数据特点、变量选择及模型函数形式选择引起的。
1、经济变量惯性的作用引起随机误差项自相关；
2、经济行为的滞后性引起随机误差项自相关；
3、一些随机因素的干扰或影响引起随机误差项自相关；
4、模型设定误差引起随机误差项自相关；
5、观测数据处理引起随机误差项序列相关。
线性回归和线性相关分析对数据有什么要求
线性相关分析的数据要求：
可以是连续性数据，也可以是分类数据。
线性回归分析的数据要求：
自变量可以是分类变量和连续性变量，因变量必须是连续性变量。
分类变量：比如性别\民族\学历等，数据之间无法进行加减的。
连续变量：比如身高\体重\收入\温度等，这种有具体意义的数据，可以进行平均和加减的。
扩展资料：
在线性回归中，数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。最常用的线性回归建模是给定X值的y的条件均值是X的仿射函数。
不太一般的情况，线性回归模型可以是一个中位数或一些其他的给定X的条件下y的条件分布的分位数作为X的线性函数表示。像所有形式的回归分析一样，线性回归也把焦点放在给定X值的y的条件概率分布，而不是X和y的联合概率分布（多元分析领域）。
参考资料来源：百度百科-线性回归
