時間序列混合線性回歸模型

在多個變數的時間序列中，如果將某一變元序列{z_i}看作是因變數，其餘的序列{z_ki}，k=1，2，…i作為自變數。那么因變數自身的“現在”與“過去”，因變數與各自變數的“現在”與“過去”都可能存在統計依賴關係。為此需要建立混合線性回歸模型。

基本介紹

• 中文名：時間序列混合線性回歸模型
• 領域：統計學

模型解析

因變數自身的“現在”與“過去”，因變數與各自變數的“現在”與“過去”都可能存在統計依賴關係。為此需要建立混合線性回歸模型：

假定最大滯後步數為P，對於不同的P就可以得到不同的滯後量的許多混合線性回歸模型。

套用

一般線性模型對資料的要求比較嚴格。它假定反應變數Y具有正態性、獨立性和方差齊性。但實際上會經常遇到一些資料，它們並不能完全滿足上述3個條件。如果對不滿足上述條件的資料仍用一般線形模型配合，所產生的標準誤估計值偏小，從而導致犯錯誤的機率擴大並使置信區間變窄。

混合線性模型保留了一般線性模型的反應變數Y具有正態性假定條件，但放棄了獨立性和方差齊性的假定，容許反應變數間具有相關性及方差不齊性。這一模型特別適用於具有多層次結構的資料及重複測量資料，從而引起統計學工作者的高度重視。但由於配合這一模型的計算量大，需有計算工具解決計算問題，才能使這一模型得到推廣套用。現在，在有關軟體能很好地完成這一計算過程，從而使這一模型得到了日益廣泛的套用。