1 Válasz. A lineáris regressziós modellben azt feltételezi, hogy a hibatag egy fehér zajfolyamat, és ezért stacionáriusnak kell lennie. Nem feltételezzük, hogy akár a független, akár a függő változók stacionáriusak.
Szükséges stacionaritás a regresszióhoz?
A a változók stacionaritási tesztje szükséges, mert Granger és Newbold (1974) úgy találta, hogy a nem stacionárius változókra vonatkozó regressziós modellek hamis eredményeket adnak. … Mivel mindkét sorozat növekszik, azaz nem stacionárius, a regresszióanalízis elvégzése előtt ezeket stacionárius sorozatokká kell konvertálni.
A lineáris regresszióhoz szabványosítás szükséges?
A regressziós elemzésben szabványosítania kell a független változókat, ha a modell polinomiális tagokat tartalmaz a görbületi vagy interakciós kifejezések modellezéséhez. … Ez a probléma elhomályosíthatja a modellkifejezések statisztikai jelentőségét, pontatlan együtthatókat eredményezhet, és megnehezítheti a megfelelő modell kiválasztását.
Mi a lineáris regresszió három követelménye?
Linearitás: X és Y átlaga közötti kapcsolat lineáris. Homoscedaszticitás: A reziduum varianciája azonos bármely X értéknél. Függetlenség: A megfigyelések függetlenek egymástól. Normalitás: X bármely rögzített értéke esetén Y normál eloszlású.
Az OLS stacionaritást feltételez?
A nem stacionaritást illetően az OLS-feltevés nem vonatkozik rá, így az OLS-becslések többé nem lesznek KÉKEK, ha az adatok nem stacionáriusak. Röviden: ezt nem akarod. Ezenkívül nincs értelme egy stacionárius változót véletlenszerű sétával magyarázni, vagy fordítva.
