1 Odpověď. V lineárním regresním modelu předpokládáte, že chybový člen je proces bílého šumu, a proto musí být stacionární. Neexistuje žádný předpoklad, že buď nezávislé nebo závislé proměnné jsou stacionární.
Je pro regresi nutná stacionarita?
A test stacionarity proměnných je vyžadován, protože Granger a Newbold (1974) zjistili, že regresní modely pro nestacionární proměnné poskytují falešné výsledky. … Protože obě řady jsou rostoucí, tj. nestacionární, je třeba je před provedením regresní analýzy převést na stacionární řady.
Vyžaduje lineární regrese standardizaci?
Při regresní analýze musíte standardizovat nezávislé proměnné, když váš model obsahuje polynomické členy, abyste mohli modelovat zakřivení nebo interakční členy. … Tento problém může zatemnit statistickou významnost modelových termínů, vytvářet nepřesné koeficienty a ztížit výběr správného modelu.
Jaké jsou tři požadavky lineární regrese?
Linearita: Vztah mezi X a střední hodnotou Y je lineární. Homoscedasticita: Rozptyl rezidua je stejný pro jakoukoli hodnotu X. Nezávislost: Pozorování jsou na sobě nezávislá. Normalita: Pro jakoukoli pevnou hodnotu X je Y normálně rozděleno.
Předpokládá OLS stacionárnost?
Pokud jde o nestacionaritu, nejsou pokryty předpoklady OLS, takže odhady OLS již nebudou MODRÉ, pokud jsou vaše data nestacionární. To zkrátka nechcete. Také nedává smysl vysvětlovat stacionární proměnnou náhodnou procházkou nebo naopak.
