使用带有ARIMA错误的回归(动态回归)进行推理的平稳性要求是什么?
具体来说,我有一个非平稳的连续结果变量,一个非平稳的连续预测变量和一个虚拟变量处理序列。我想知道治疗是否与结果变量的变化相关,该变化大于零变化之外的两个标准误差。
我不确定在使用ARIMA错误建模进行回归之前是否需要对这些序列进行差分处理。在回答另一个问题时,IrishStat指出的是while the original series exhibit non-stationarity this does not necessarily imply that differencing is needed in a causal model.
,他然后继续补充说 unwarranted usage [of differencing] can create statistical/econometric nonsense
。
该SAS用户指南表明,它是罚款,以适应回归模型ARIMA误差的非平稳序列无差分,只要残差非平稳:
请注意,平稳性要求适用于噪声序列。如果没有输入变量,则响应序列(在求和后减去平均值)和噪声序列相同。但是,如果有输入,则噪声序列是在消除输入影响后的残差。
不需要输入序列是固定的。如果输入是不稳定的,即使噪声过程可能是固定的,响应序列也将是不稳定的。
当使用非平稳输入序列时,可以在没有ARMA模型的情况下将输入变量拟合为误差,然后在确定噪声部分的ARMA模型之前考虑残差的平稳性。
另一方面,Rob Hyndman和George Athanasopoulos断言:
估计具有ARMA错误的回归的重要考虑因素是模型中的所有变量必须首先是平稳的。因此,我们首先必须检查yt和所有预测变量是否都固定。如果我们在其中任何一个都不平稳的情况下估计模型,则估计的系数可能是错误的。
一个例外是非平稳变量被共同积分的情况。如果在非平稳和预测变量之间存在线性组合,则估计的系数是正确的。
这些建议相互排斥吗?应用分析师如何进行?