ল্যাগড নির্ভরশীল পরিবর্তনশীলটিকে কোনও রিগ্রেশন মডেলের অন্তর্ভুক্ত করা বৈধ কিনা তা নিয়ে আমি খুব বিভ্রান্ত। মূলত আমি মনে করি যদি এই মডেলটি ওয়াই এবং অন্যান্য স্বতন্ত্র ভেরিয়েবলের পরিবর্তনের মধ্যে সম্পর্কের দিকে মনোনিবেশ করে, তবে ডানদিকে একটি পিছিয়ে থাকা নির্ভরশীল ভেরিয়েবল যুক্ত করা গ্যারান্টি দিতে পারে যে অন্যান্য আইভিগুলির পূর্বে সহগগুলি ওয়াইয়ের পূর্ববর্তী মানের তুলনায় স্বতন্ত্র are
কেউ কেউ বলেছেন যে এলডিভি অন্তর্ভুক্তি অন্যান্য আইভিগুলির সহগকে নিম্নমুখী করবে। আবার কেউ কেউ বলেছেন যে কেউ এলডিভি অন্তর্ভুক্ত করতে পারে যা ক্রমিক সম্পর্কটিকে হ্রাস করতে পারে।
আমি জানি এই প্রশ্নটি কোন ধরণের রিগ্রেশনের দিক থেকে বেশ সাধারণ। তবে আমার পরিসংখ্যানগত জ্ঞান সীমাবদ্ধ এবং সময়কালের সাথে ফোকাসটি যখন ফোকাস হয় তখন আমার যদি কোনও পিছনে নির্ভরশীল পরিবর্তনশীলটিকে কোনও রিগ্রেশন মডেলটিতে অন্তর্ভুক্ত করা উচিত কিনা তা নির্ধারণ করার জন্য আমার খুব কষ্ট হয় hard
সময়ের সাথে সাথে Y এর পরিবর্তনের ক্ষেত্রে এক্স এর প্রভাব মোকাবেলার জন্য কী অন্যান্য পন্থা রয়েছে? আমি ডিভি হিসাবেও বিভিন্ন পরিবর্তনের স্কোর চেষ্টা করেছি, তবে সেই পরিস্থিতিতে আর স্কোয়ারটি খুব কম।