그것은 전혀 이상한 질문 일지 모르지만 주제에 대한 초보자로서 회귀의 가정 중 하나가 회귀가 적용되는 데이터가 비 iid?
그것은 전혀 이상한 질문 일지 모르지만 주제에 대한 초보자로서 회귀의 가정 중 하나가 회귀가 적용되는 데이터가 비 iid?
답변:
일반적인 최소 제곱 선형 회귀 에 대한 고전적인 가정과 시계열 설정에서 일반적으로 발견되는 직렬 의존성 사이에 충돌이있을 수 있다는 점을 잘 알고 있습니다.
Fumio Hayashi의 계량 경제학 의 가정 1.2 (엄격한 외 생성)를 고려하십시오 .
이것은 하며, 잔류 ϵ i 는 회귀 자 x j와 직교 함을 나타 냅니다. 하야시가 지적했듯이,이 가정은 가장 단순한 자기 회귀 모델 에서 위반된다 . [1] AR (1) 과정을 고려하자.
우리는 가 y t + 1에 대한 회귀 변수 임을 알 수 있지만, ϵ t 는 y t와 직교하지 않습니다 (즉, E [ ϵ t y t ] ≠ 0 ).
엄격한 외인성 가정이 위반되었으므로이 가정에 의존하는 주장은이 간단한 AR (1) 모델에 적용 할 수 없습니다!
아니, 우리는하지 않습니다! 보통 최소 제곱으로 AR (1) 모델을 추정하는 것은 전적으로 유효한 표준 동작입니다. 왜 여전히 괜찮을 수 있습니까?
큰 샘플, 점근 적 주장은 엄격한 외인성이 필요하지 않습니다. (엄격한 외 생성 대신에 사용될 수있는) 충분한 가정은 회귀자가 미리 결정 되고 회귀자가 동시 오류 항과 직교한다는 것이다. 전체 인수에 대해서는 하야시 2 장을 참조하십시오.
[1] Fumio Hayashi, 계량 경제학 (2000), p. 35
ibid., p. 134
좋은 질문입니다! 내 시계열 책에 문제가 언급되지 않았습니다 (아마도 더 나은 책이 필요할 것입니다 :). 첫째로 , 시리즈에 확률 적 추세가있는 경우 선형 회귀를 사용하여 시계열을 추론하지 않아도 됩니다 (단위 루트) )-당신은 단순히 첫 번째 차이를 취할 수 있습니다. 그러나 계열에 결정 론적 추세가있는 경우 선형 회귀를 사용해야합니다. 이 경우 잔차가 iid가 아니라는 것은 사실입니다. 선형 추세, 계절 성분, 순환 성분 등이 모두 포함 된 계열을 생각해보십시오. 선형 회귀 후 잔차는 모두 독립적입니다. 요점은 선형 회귀를 사용하여 예측하거나 예측 간격을 형성하지 않는다는 것입니다. 추론 절차의 일부일뿐입니다. 상관되지 않은 잔차에 도달하려면 다른 방법을 적용해야합니다. 선형 회귀 자체가 대부분의 시계열에 대해 유효한 추론 절차 (올바른 통계 모델이 아님)가 아니며, 단계 중 하나로서 선형 회귀를 포함하는 절차는 유효한 모델 일 수 있습니다. 시계열.