多变量自回归模型计算期间，数值差异比较大

Question

基于多变量自回归模型做信号频域相干分析（偏定向相干分析PDC）
但原始数据幅值差异很大分别在±20和±10^-5
如果采用离差标准化将信号缩放至0-1期间是否会影响MVAR模型构建和PDC计算结果
如果简单的对数据进行乘10^5是否会有影响，
上述这种情况该如何处理，有没有相应的文章解释归一化影响的可以参考的？

Answer 1

TechWhizKid参考GPT回答：

• 在进行多变量自回归模型(MVAR)分析时，特别是在信号频域相干分析（如偏定向相干分析PDC）中，数据的规模可能会对结果产生影响。这是因为，大的数据差异可能会导致模型的不稳定性，例如，对梯度下降等优化方法可能产生不利影响。此外，对于自回归模型，其稳定性也会受到数据差异的影响。

1. 数据标准化或归一化：如果将信号缩放至0-1范围，确实会改变模型的结果。特别是当原始数据的尺度差异很大时，这种尺度的改变可能会对模型的参数估计产生显著影响。标准化或归一化的主要目的是消除变量之间的尺度差异，使得模型更容易学习和理解数据的结构。这是为了防止模型过于重视数值较大的特征，而忽视数值较小的特征。然而，这种改变可能会影响自回归模型的解释性。

2. 数据扩大：同样如果你简单地将数据乘以10^5，这也会改变模型的结果。对数据进行简单的放大操作可能会引入一些额外的噪声或变化，这会对模型的预测性能产生负面影响。

• 所以，处理这种情况的最佳方法可能是，先对数据进行归一化或标准化处理，然后再进行模型拟合。可以避免由于数据尺度差异过大而导致的模型不稳定性。不过，在进行这样的预处理后，解释模型结果时需要考虑到数据的转换。