1 Vastaus. Lineaarisessa regressiomallissa oletetaan, että virhetermi on valkoinen kohinaprosessi ja siksi sen täytyy olla paikallaan. Ei ole olemassa oletusta, että riippumattomat tai riippuvat muuttujat olisivat paikallaan.
Tarvitaanko regressio stationaarisuutta?
A muuttujien stationaarisuustesti vaaditaan, koska Granger ja Newbold (1974) havaitsivat, että ei-stationaaristen muuttujien regressiomallit antavat vääriä tuloksia. … Koska molemmat sarjat ovat kasvavia eli ei-stationaarisia, ne on muutettava stationäärisiksi sarjoiksi ennen regressioanalyysin suorittamista.
Tarvitseeko lineaarinen regressio standardoinnin?
Regressioanalyysissä sinun on standardoitava riippumattomat muuttujat, kun mallisi sisältää polynomitermejä kaarevuuden tai vuorovaikutustermien mallintamiseksi. … Tämä ongelma voi hämärtää mallitermien tilastollisen merkityksen, tuottaa epätarkkoja kertoimia ja vaikeuttaa oikean mallin valintaa.
Mitkä ovat lineaarisen regression kolme vaatimusta?
Lineaarisuus: X:n ja Y:n keskiarvon välinen suhde on lineaarinen. Homosedastisuus: Residuaalin varianssi on sama mille tahansa X:n arvolle. Riippumattomuus: Havainnot ovat toisistaan riippumattomia. Normaalius: Kaikille X:n kiinteälle arvolle Y on normaalijakaumassa.
Olettaako OLS stationaarisuuden?
Epästationaarisuuden os alta OLS-oletukset eivät kata sitä, joten OLS-arviot eivät ole enää SINISTÄ, jos tietosi eivät ole kiinteitä. Lyhyesti sanottuna et halua sitä. Ei myöskään ole järkevää selittää kiinteää muuttujaa satunnaisella kävelyllä tai päinvastoin.
