1 Atbilde. Lineārās regresijas modelī jūs pieņemat, ka kļūdas termins ir b altā trokšņa process, un tāpēc tam jābūt nekustīgam. Nav pieņēmuma, ka neatkarīgie vai atkarīgie mainīgie ir stacionāri.
Vai regresijai ir nepieciešama stacionaritāte?
A Mainīgo stacionaritātes pārbaude ir nepieciešama, jo Greindžers un Ņūbolds (1974) atklāja, ka regresijas modeļi nestacionāriem mainīgajiem dod nepatiesus rezultātus. … Tā kā abas rindas pieaug, t.i., nav stacionāras, pirms regresijas analīzes tās ir jāpārvērš stacionārās sērijās.
Vai lineārajai regresijai ir nepieciešama standartizācija?
Regresijas analīzē jums ir jāstandartizē neatkarīgie mainīgie, ja jūsu modelī ir polinoma termini, lai modelētu izliekuma vai mijiedarbības terminus. … Šī problēma var aptumšot modeļa terminu statistisko nozīmīgumu, radīt neprecīzus koeficientus un apgrūtināt pareizā modeļa izvēli.
Kādas ir trīs lineārās regresijas prasības?
Linearitāte: Attiecība starp X un Y vidējo vērtību ir lineāra. Homoskedastiskums: atlikuma dispersija ir vienāda jebkurai X vērtībai. Neatkarība: novērojumi ir neatkarīgi viens no otra. Normalitāte: jebkurai fiksētai X vērtībai Y ir normāli sadalīts.
Vai OLS pieņem stacionaritāti?
Attiecībā uz nestacionaritāti uz to neattiecas OLS pieņēmumi, tāpēc OLS aprēķini vairs nebūs ZILĀ krāsā, ja jūsu dati nav stacionāri. Īsāk sakot, jūs to nevēlaties. Tāpat nav jēgas stacionāru mainīgo izskaidrot ar nejaušu gājienu vai otrādi.
