Essie2022-01-22 19:08:51

你好，1.少个一个自变量是建模错误，是比违反模型假设更严重的问题。就比如分析师研究居民消费，但是把居民收入这种重要的自变量漏下了，出来的模型的系数肯定会失去一致性，是严重的错误。核心是建模错误的严重程度大于违反模型假设，违反模型假设可以通过各种方法去修正，建模错误只能重新建模了。2.nonstationary也是线性回归中可能会触发建模错误的因素，如果自变量和因变量都是时间序列数据，那么需要在一段时间内数据是平稳的，才能找出它们之间的关系，进行正确的建立模型。比如说GDP和消费，你用它们5年之内的数据数据去做回归分析是可以的，如果你用了过去100年的数据去做回归，这100年间消费的模式，包括GDP的水平都发生了很大的改变，回归出来的系数肯定就失真了。用太长和太短的时间数据去建模有时都会有问题，重点是找到balance。