1 Ответ. Что вы предполагаете в модели линейной регрессии, так это то, что член ошибки представляет собой процесс белого шума и, следовательно, он должен быть стационарным. Не предполагается, что независимые или зависимые переменные являются стационарными.
Требуется ли стационарность для регрессии?
Требуется проверка стационарности переменных, поскольку Грейнджер и Ньюболд (1974) обнаружили, что регрессионные модели для нестационарных переменных дают ложные результаты. … Поскольку оба ряда являются возрастающими, т. е. нестационарными, их необходимо преобразовать в стационарные ряды перед проведением регрессионного анализа.
Требуется ли стандартизация для линейной регрессии?
В регрессионном анализе вам необходимо стандартизировать независимые переменные, когда ваша модель содержит полиномиальные члены для моделирования условий кривизны или взаимодействия. … Эта проблема может скрыть статистическую значимость терминов модели, привести к неточным коэффициентам и затруднить выбор правильной модели.
Каковы три требования линейной регрессии?
Линейность: Отношение между X и средним значением Y является линейным. Гомоскедастичность: дисперсия остатка одинакова для любого значения X. Независимость: наблюдения независимы друг от друга. Нормальность: при любом фиксированном значении X Y распределяется нормально.
Предполагает ли МНК стационарность?
Что касается нестационарности, на нее не распространяются допущения МНК, поэтому оценки МНК больше не будут СИНИМИ, если ваши данные нестационарны. Короче говоря, вы не хотите этого. Кроме того, нет смысла объяснять стационарную переменную случайным блужданием или наоборот.
