Accounting for explained or explana

Accounting for explained or explanatory variables that are trending is fairly straightforward in regression analysis. First,nothing about trending variables necessarily violates the classical linear model assumptions TS.1 through TS.6. However, we must be careful to allow for the fact that unobserved, trending factors that affect yt might also be correlated with the explanatory variables. If we ignore this possibility, we may find a spurious relationship between yt and one or more explanatory variables. The phenomenon of finding a relationship between two or more trending variables simply because each is growing over time is an example of a spurious regression problem.
Fortunately, adding a time trend eliminates this problem. For concreteness,consider a model where two observed factors, xt1 and xt2,affect yt. In addition, there are unobserved factors that are systematically growing or shrinking over time. A model that captures this is



Kết quả (Việt) 1:

Kế toán cho biến giải thích hoặc giải thích xu hướng là khá đơn giản hồi qui phân tích. Đầu tiên, không có gì về xu hướng biến nhất thiết phải vi phạm các giả định cổ điển mô hình tuyến tính TS.1 thông qua TS.6. Tuy nhiên, chúng ta phải cẩn thận để cho phép cho một thực tế là unobserved, xu hướng các yếu tố ảnh hưởng đến yt cũng có thể được tương quan với các biến giải thích. Nếu chúng tôi bỏ qua khả năng này, chúng tôi có thể tìm thấy một mối quan hệ giả mạo giữa yt và một hoặc nhiều biến giải thích. Hiện tượng của việc tìm kiếm một mối quan hệ giữa hai hoặc nhiều xu hướng biến chỉ đơn giản là bởi vì mỗi phát triển theo thời gian là một ví dụ về một vấn đề giả mạo hồi quy. May mắn thay, thêm một xu hướng thời gian loại bỏ vấn đề này. Đối với concreteness, xem xét một mô hình nơi hai quan sát thấy các yếu tố, xt1 và xt2, ảnh hưởng đến yt. Ngoài ra, có những yếu tố hạt có hệ thống phát triển hoặc thu hẹp lại theo thời gian. Một mô hình chụp đây là

Kết quả (Việt) 2:

Kế toán cho các biến giải thích hoặc giải thích rằng đang có xu hướng khá đơn giản trong phân tích hồi quy. Thứ nhất, không có gì về xu hướng biến nhất thiết phải vi phạm các giả thiết mô hình tuyến tính cổ điển TS.1 qua TS.6. Tuy nhiên, chúng ta phải cẩn thận để cho phép một thực tế là không quan sát được, các yếu tố ảnh hưởng đến xu hướng mà yt cũng có thể có mối tương quan với các biến giải thích. Nếu chúng ta bỏ qua khả năng này, chúng ta có thể tìm thấy một mối quan hệ giả giữa yt và một hoặc nhiều biến giải thích. Các hiện tượng của việc tìm kiếm một mối quan hệ giữa hai hoặc nhiều hơn xu hướng biến đơn giản bởi vì mỗi ngày càng tăng theo thời gian là một ví dụ về một vấn đề hồi quy giả.
May mắn thay, thêm một xu hướng thời gian loại bỏ vấn đề này. Để cụ thể, xem xét một mô hình trong đó hai yếu tố quan sát, XT1 và XT2, ảnh hưởng đến yt. Ngoài ra, có những yếu tố không quan sát được rằng đang phát triển có hệ thống hoặc thu hẹp lại theo thời gian. Một mô hình mà chụp này là?