1 Svar. Det du antager i en lineær regressionsmodel er, at fejltermen er en hvid støjproces, og derfor skal være stationær. Der er ingen antagelse om, at hverken de uafhængige eller afhængige variable er stationære.
Er stationaritet påkrævet for regression?
A stationaritetstest af variablerne er påkrævet, fordi Granger og Newbold (1974) fandt, at regressionsmodeller for ikke-stationære variable giver falske resultater. … Da begge serier er stigende, dvs. ikke-stationære, skal de konverteres til stationære serier, før der udføres regressionsanalyse.
Kræver lineær regression standardisering?
I regressionsanalyse,, skal du standardisere de uafhængige variable, når din model indeholder polynomiske termer til at modellere krumning eller interaktionsudtryk. … Dette problem kan sløre den statistiske signifikans af modeludtryk, producere upræcise koefficienter og gøre det sværere at vælge den rigtige model.
Hvad er de tre krav til lineær regression?
Linearitet: Forholdet mellem X og middelværdien af Y er lineær. Homoscedasticitet: Variansen af residual er den samme for enhver værdi af X. Uafhængighed: Observationer er uafhængige af hinanden. Normalitet: For enhver fast værdi af X er Y normalfordelt.
Antager OLS stationaritet?
Med hensyn til ikke-stationaritet,, er det ikke dækket af OLS-forudsætningerne, så OLS-estimater vil ikke længere være BLÅ, hvis dine data er ikke-stationære. Kort sagt, det ønsker du ikke. Det giver heller ikke mening at have en stationær variabel forklaret ved en tilfældig gåtur eller omvendt.
