考虑线性时间序列模型 ,在那里yt的反应,xt的值向量r预测,β为回归系数的向量,εt是时间上的随机创新吗t。
这个框架的普通最小二乘(OLS)估计和推断技术依赖于某些假设,例如,同方差和不相关的创新。有关经典线性模型的详细信息,请参阅时间序列回归I:线性模型。如果您的数据显示出违反假设的迹象,那么基于这些迹象的OLS估计或推断可能是无效的。
特别地,如果数据是通过显示自相关或异方差的创新过程生成的,那么模型(或残差)是nonspherical。这些特征通常通过模型残差的测试来检测(详细信息,请参阅时间序列回归VI:残差诊断)。
非球面残差常被认为是模型不规范的标志,为了提高标准估计技术的可靠性,对模型进行了修正。然而,在某些情况下,非球面模型必须被接受,并使用修正的技术尽可能准确地估计。案件包括:
理论模型
带有策略指示的预测器的模型
没有可用数据源的模型,必须为其找到预测器代理
已经开发了各种不同的估计技术来处理这些情况。