1 Отговор. Това, което приемате в модела на линейна регресия, е, че терминът за грешка е процес на бял шум и следователно той трябва да е неподвижен. Няма предположение, че независимите или зависимите променливи са стационарни.
Необходима ли е стационарност за регресия?
A изисква се тест за стационарност на променливите, защото Грейнджър и Нюболд (1974) откриха, че регресионните модели за нестационарни променливи дават фалшиви резултати. … Тъй като и двете серии се увеличават, т.е. нестационарни, те трябва да бъдат преобразувани в стационарни серии, преди да се извърши регресионен анализ.
Изисква ли линейната регресия стандартизация?
При регресионния анализ, трябва да стандартизирате независимите променливи, когато вашият модел съдържа полиномни термини за моделиране на кривината или термини за взаимодействие. … Този проблем може да затъмни статистическата значимост на термините на модела, да създаде неточни коефициенти и да затрудни избора на правилния модел.
Какви са трите изисквания за линейна регресия?
Линейност: Връзката между X и средната стойност на Y е линейна. Хомоскедастичност: Дисперсията на остатъка е една и съща за всяка стойност на X. Независимост: Наблюденията са независими едно от друго. Нормалност: За всяка фиксирана стойност на X, Y е нормално разпределено.
OLS приема ли стационарност?
Относно нестационарността, то не е обхванато от предположенията на OLS, така че оценките на OLS вече няма да са СИНИ, ако вашите данни са нестационарни. Накратко, вие не искате това. Също така, няма смисъл да има стационарна променлива, обяснена чрез произволно ходене, или обратно.