Jochen Howind - Deutsche Geodätische Kommission
Jochen Howind - Deutsche Geodätische Kommission
Jochen Howind - Deutsche Geodätische Kommission
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
- 15 -<br />
und dem Zeitabstand τ zwischen zwei Werten der Zeitreihe als Repräsentation der theoretischen Autokovarianzfunktion<br />
bestimmt werden (vgl. Moritz, 1980). Normiert man diese Funktion mit der Varianz der Zeitreihe (τ=0), so ergibt sich<br />
die empirische Autokorrelationsfunktion<br />
R<br />
( )<br />
C<br />
( τ )<br />
( 0)<br />
xx<br />
xx τ = . (2.23)<br />
Cxx<br />
Mit Hilfe dieser Funktion können dann auch die Korrelationsstrukturen verschiedener Zeitreihen miteinander vergli-<br />
chen werden. Zur Beschreibung der Abhängigkeiten zwischen verschiedenen Zeitreihen Y1t und Y2t kann die empirische<br />
Kreuzkovarianzfunktion<br />
n−τ<br />
1<br />
( τ ) ( Y1 −Y1)(<br />
Y 2 −Y2<br />
)<br />
Cxy = ∑<br />
t=<br />
1<br />
t<br />
t+<br />
τ<br />
n<br />
bzw. die empirische Kreuzkorrelationsfunktion<br />
R<br />
xy<br />
( )<br />
Cxy<br />
( τ )<br />
( ) ⋅C<br />
( 0)<br />
n<br />
n<br />
1<br />
1<br />
mit Y1<br />
= ∑Y1i<br />
und Y2<br />
= ∑Y2i<br />
n i=<br />
1<br />
n i=<br />
1<br />
(2.24)<br />
τ =<br />
(2.25)<br />
Cxx<br />
0 yy<br />
berechnet werden.<br />
Die Bestimmung der Kovarianz- bzw. Korrelationsfunktionen kann auf der Grundlage des Konzepts der stochastischen<br />
Prozesse erfolgen. Gelingt die Anpassung eines stochastischen Prozesses an die untersuchten Zeitreihen nicht zuverlässig<br />
oder ist sie aus rechentechnischen Gründen nicht erwünscht, können die Kovarianz- bzw. Korrelationsfunktionen<br />
direkt nach den Formeln (2.22) bis (2.25) aus den Zeitreihenwerten bestimmt werden. Dabei ist jedoch zu beachten,<br />
dass die berechnete Kovarianzfunktion sehr stark von der Anzahl der Zeitreihenwerte und damit der Länge der Zeitreihe<br />
beeinflusst wird, da mit wachsendem Zeitabstand τ die Zahl der Datenpaare, die zur Bestimmung von C(τ ) verwendet<br />
wird, und damit die Zuverlässigkeit der Bestimmung der Kovarianz- bzw. Korrelationsfunktion abnimmt. Dieses Problem<br />
kann umgangen werden, indem für die Weiterverarbeitung nur der Teil der Kovarianzfunktion berücksichtigt wird,<br />
bei dem aufgrund einer ausreichenden Datenmenge eine zuverlässige Bestimmung möglich ist. Die Empfehlungen in<br />
der Literatur reichen dabei von der Berücksichtigung von maximal 10% der gesamten Datenmenge in Otens und Enochson<br />
(1978) oder Niemeier (2002) bis zu 25% bei Box und Jenkins (1976). Zudem empfehlen Box und Jenkins,<br />
Kovarianzfunktionen nur für Zeitreihen mit mindestens 50 Zeitreihenwerten zu bestimmen, während Niemeier (2002)<br />
eine Mindestlänge von 100 Zeitreihenwerten fordert.<br />
2.4 Statistische Tests<br />
In den vorherigen Abschnitten wurde deutlich, dass für viele Verfahren der Zeitreihenanalyse bestimmte Annahmen wie<br />
z.B. Homoskedastizität zu treffen sind bzw. das Vorliegen dieser Annahmen überprüft werden muss. Für diese Überprüfungen<br />
existieren eine Reihe statistischer Tests. Aus dieser Fülle sollen im Folgenden die im Rahmen dieser Arbeit<br />
verwendeten Testverfahren erläutert und alternative Tests diskutiert werden. Ausführliche Untersuchungen dazu sind<br />
u.a. Teusch (2004) zu entnehmen, wo zudem weitere Testverfahren zusammengefasst sind.<br />
Für Testentscheidungen wird in der Geodäsie im Allgemeinen das Niveau α eines Tests, d.h. die maximale Wahrscheinlichkeit,<br />
mit der unter Vorliegen der Nullhypothese irrtümlich die Alternative erkannt wird (Irrtumswahrscheinlichkeit),<br />
fest vorgegeben. Oftmals, z.B. für Vergleiche unterschiedlicher Datensätze, ist es jedoch sinnvoll, den p-Wert<br />
des Tests zu betrachten. Er gibt das bestmögliche Niveau an, zu dem der Test gerade noch verworfen wird. Überschreitet<br />
der p-Wert das vorgegebene Niveau α, wird die Nullhypothese nicht verworfen, ist er kleiner oder gleich, wird sie<br />
dagegen verworfen (Hartung et al., 2002). Der p-Wert ermöglicht somit neben der einfachen Testentscheidung einen<br />
detaillierten Vergleich unterschiedlicher Testergebnisse. Der Vergleich unterschiedlicher Testverfahren geschieht u.a.<br />
über die Güte des Tests β, die Wahrscheinlichkeit, mit der unter Vorliegen einer bestimmten Alternativhypothese die<br />
richtige Entscheidung getroffen, d.h. die Nullhypothese verworfen wird. Den Test für ein bestimmtes Problem, dessen