1 Respuesta. Lo que asume en un modelo de regresión lineal es que el término de error es un proceso de ruido blanco y, por lo tanto, debe ser estacionario. No se supone que las variables independientes o dependientes sean estacionarias.
¿Se requiere estacionariedad para la regresión?
Se requiere una prueba de estacionariedad de las variables porque Granger y Newbold (1974) encontraron que los modelos de regresión para variables no estacionarias dan resultados falsos. … Dado que ambas series son crecientes, es decir, no estacionarias, deben convertirse en series estacionarias antes de realizar el análisis de regresión.
¿La regresión lineal requiere estandarización?
En el análisis de regresión, necesita estandarizar las variables independientes cuando su modelo contiene términos polinómicos para modelar curvatura o términos de interacción. … Este problema puede oscurecer la importancia estadística de los términos del modelo, generar coeficientes imprecisos y dificultar la elección del modelo correcto.
¿Cuáles son los tres requisitos de la regresión lineal?
Linealidad: La relación entre X y la media de Y es lineal. Homocedasticidad: La varianza del residual es la misma para cualquier valor de X. Independencia: Las observaciones son independientes entre sí. Normalidad: Para cualquier valor fijo de X, Y se distribuye normalmente.
¿OLS asume estacionariedad?
Con respecto a la no estacionariedad, no está cubierta por los supuestos de OLS, por lo que las estimaciones de OLS ya no serán AZULES si sus datos no son estacionarios. En resumen, no quieres eso. Además, no tiene sentido tener una variable estacionaria explicada por una caminata aleatoria, o viceversa.
