1 Risposta. Quello che si assume in un modello di regressione lineare è che il termine di errore è un processo di rumore bianco e, quindi, deve essere stazionario. Non si presume che le variabili indipendenti o dipendenti siano stazionarie.
È richiesta la stazionarietà per la regressione?
Un test di stazionarietà delle variabili è richiesto perché Granger e Newbold (1974) hanno scoperto che i modelli di regressione per variabili non stazionarie danno risultati spuri. … Poiché entrambe le serie sono crescenti, cioè non stazionarie, devono essere convertite in serie stazionarie prima di eseguire l'analisi di regressione.
La regressione lineare richiede la standardizzazione?
Nell'analisi di regressione, è necessario standardizzare le variabili indipendenti quando il modello contiene termini polinomiali per modellare termini di curvatura o di interazione. … Questo problema può oscurare la significatività statistica dei termini del modello, produrre coefficienti imprecisi e rendere più difficile la scelta del modello corretto.
Quali sono i tre requisiti della regressione lineare?
Linearità: La relazione tra X e la media di Y è lineare. Omoscedasticità: la varianza del residuo è la stessa per qualsiasi valore di X. Indipendenza: le osservazioni sono indipendenti l'una dall' altra. Normalità: per ogni valore fisso di X, Y è normalmente distribuito.
OLS assume la stazionarietà?
Per quanto riguarda la non stazionarietà, non è coperta dalle ipotesi OLS, quindi le stime OLS non saranno più BLU se i tuoi dati non sono stazionari. In breve, non lo vuoi. Inoltre, non ha senso avere una variabile stazionaria spiegata da una passeggiata casuale, o viceversa.
