Home

lagwaarden

Lagwaarden, ook wel vertragingen genoemd, zijn de waarden van een variabele op eerdere tijdstippen ten opzichte van een actuele waarneming. In de tijdreeksanalyse worden lagwaarden vaak aangeduid met y_{t-1}, y_{t-2} en so on, waarbij t het huidige tijdpunt is. Lagwaarden geven weer hoe het verleden het heden kan verklaren of voorspellen.

In statistische modellen dienen lagwaarden als verklarende variabelen. Bijvoorbeeld in een autoregressief model AR(p) wordt de

In correlatie- en kruislinganalyse kan men de relatie tussen twee tijdreeksen onderzoeken bij verschillende vertragingen. De

Toepassingen omvatten forecasting, dynamische regressie, signaalverwerking en systeemidentificatie. Een veelvoorkomend doel is om paren van relevante

Berekening en interpretatie: rekeningen met lagwaarden gebeurt vaak via automatische selectie op basis van ACF/PACF-faagpunten of

Zie ook: autoregressief model, lagoperator, tijdreeksanalyse, kruis correlatie.

huidige
waarde
uitgedrukt
als
een
lineaire
combinatie
van
terugliggende
waarden
y_{t-1},
...,
y_{t-p}
plus
een
foutterm.
Lagwaarden
komen
ook
voor
bij
meer
complexe
modellen,
zoals
dynamische
regressie-
of
transferfunctie-modellen,
waarin
de
huidige
respons
afhankelijk
kan
zijn
van
meerdere
voorgaande
waarden
of
van
andere
series
bij
diverse
vertragingen.
corresponderende
lag
bepaalt
hoeveel
tijdstappen
de
ene
reeks
vooruit
of
achterloopt
ten
opzichte
van
de
andere.
Dit
is
nuttig
om
causaliteits-
of
associatiemechanismen
te
ontdekken
en
om
voorspellingsmodellen
te
verbeteren.
lagwaarden
te
identificeren
die
de
voorspellende
kracht
van
een
model
vergroten,
zonder
overfitting
te
veroorzaken.
informatiecriteria
zoals
AIC/BIC.
Belangrijk
is
aandacht
voor
stationariteit
en
mogelijke
seizoenspatronen,
die
de
interpretatie
en
keuze
van
relevante
lags
beïnvloeden.