Time-Series
在 OLS 回歸中使用非平穩時間序列數據
我正在使用 1983-2008 年的數據來檢驗中國和美國的基尼係數和國民儲蓄總額是否會影響美國的經常賬戶餘額。數據似乎是非平穩的，但我是初學者，只知道基本的多元回歸模型和自回歸分佈滯後模型，我還能用它們來測試這些模型的效果嗎？我知道模型會有偏差且不准確，但它們是否提供了任何有用的信息？我選擇的控制變量是實際 GDP、利率、美元指數，也許還有其他一些國民收入成分。
你可以做任何你想做的事，特別是如果它是學期論文或類似的東西。
要獲得有用的結果，您不能將非平穩數據與 OLS 和時間序列一起使用。還有其他更高級的方法，非平穩性不是問題。使用 OLS，您必須區分實際 GDP 和指數，並且在許多情況下還要應用對數變換。
更新：在 OLS 中使用非平穩變量時，您會遇到虛假回歸的潛在致命問題，有大量關於此主題的文獻。基本上，在大多數情況下，您的回歸結果會變成垃圾。您可能會看到非常顯著的係數，但顯著性是人為的，並且在您運行適當的回歸時會消失。
還有一個更微妙的現象叫做“協整”，但既然你是在寫本科論文，我就不用擔心了。事實上，如果你的專業不是統計學或計量經濟學，我想你的導師不會因為不當使用回歸而懲罰你。
澄清：如果系列是協整的，您可以將非平穩數據與 OLS 一起使用。但是，這樣做時，您最好表明該系列確實是協整的，然後如果您需要推理，則相應地調整參數協方差矩陣。參數本身就可以了。正如我在原始答案中提到的，這是通常在本科課程之外的高級概念。