圆同学2020-06-17 14:00:46
圆同学正相关时，为什么回归系数的标准误会下降呢？ 正相关时，残渣项越来越大，标准误应该越来越大呀。
回答（2）
Kevin2020-06-17 14:46:08
Kevin同学你好！
这里要注意，标准误衡量的是波动率。举个例子
Positive serial correlation时，error 可能是 0.010， 0.015, 0.020 ....
Negative serial correlation时，error 可能是 0.015， -0.015, 0.015 ....
Positive serial correlation的波动率明显是偏低的，即标准误偏低；Negative serial correlation则相反。
- 评论（0）
- 追问（5）
- 追问
-
仍然无法理解？？怎么标准误是波动率了呢？？唉，简直崩溃
- 追答
-
同学你好！
标准误是统计学里的名称，实际就是标准差。因为标准差衡量的是相对于平均值的波动率。
上面的例子中：
positive serial correlation的error为0.010，0.015，0.020，0.025, 0.020，0.015，0.010。均值为0.0164，标准差为0.0052。
negative serial correlation的error为0.015，-0.015，0.015，-0.015，0.015，-0.015，0.015。均值为0.0021，标准差为0.0148。
很明显，0.0148>0.0052。即negative serial correlation的标准差更大，即标准误偏高；positive serial correlation的标准差更小，即标准误偏低。
- 追问
-
举这个例子能不明白，但是内在原因是什么呢？？什么引起这种离差变大呢？？我想知道内在逻辑，追根溯源……辛苦老师了
- 追问
-
举这个例子能弄明白。n他的内在机理是什么呢？什么内在原因造成的呢？n也就个离差的问题吧，什么原因导致他离他大或者小呢？
- 追答
-
同学你好！
连续涨连续跌的情况要看实际数据是怎么样的，可能是negative serial correlation，也可能是positive serial correlation，主要还是看残差怎么变化。
你举的例子残差相差较大，一般我们谈论的是绝对数值比较接近的情况，就像我举的那个例子。即：残差的绝对数值相近时，negative serial correlation的标准差更大，即标准误偏高；positive serial correlation的标准差更小，即标准误偏低。
Vincent2020-06-18 19:35:36
Vincent同学你好，正的序列自相关，表现为前一期正的残差项会增加后一期残差项为正的可能性，或者前一期负的残差项会增加后一期负残差项的可能性。
比如，金融市场中有一个现象，叫惯性，股价常有长远的变动趋势，甚至数以年计的 "上升趋势"或 "下跌趋势"，就是因为基本的环境形势造成涨跌的原因未变之前，涨价的股票就会持续地涨价，相反地，跌价的股票就会持续地跌价。
此时，数据的离散程度是低于没有正自相关的数据的。因此是表现为标准误偏低。
- 评论（0）
- 追问（1）
- 追问
-
老师好，你的解析说的事，我能弄明白。
但连续涨，或连续跌，其均值与方差是如何变化的呢？？又是怎么影响到标准误呢？？
这一点，一直没有弄明白。
我是这么理解的， 你看看，哪里不对，直接指出来。
正相关，比如一组残差项：1、2、3、4、5、6；确实是股票的涨幅，越来越大。
这6个数字的均值是3.5，方差15.17，标准差=3.89.
另一组负相关，数字是：1，-1，1，-1，1，-1.均值为0，标准差为1.
如此以来，正相关的标准差还大了呀。
本例以标准差代替标准误来说明。
评论
0/1000
追答
0/1000
+上传图片