কোনও রিগ্রেশন সেটিংয়ে আপনি সাধারণ পরীক্ষাগুলি সঠিক পছন্দ কিনা তা পরীক্ষা করতে পারবেন। ধরুন আপনি মাসিক তথ্য আছে এবং দৈনিক তথ্য (স্থির সঙ্গে এক মাসে দিন)। মনে করুন আপনি কোনও প্রতিরোধে আগ্রহী:YtXτm
Yt=α+βX¯t+ut,(1)
যেখানে
X¯t=1m∑h=0m−1Xtm−h.
এখানে আমরা অনুমান প্রতিটি মাসের জন্য দৈনন্দিন পর্যবেক্ষণ হয় । এই ক্ষেত্রে আমরা ধরে নিয়েছি যে প্রতিটি দিনের একই ওজন থাকে, যা স্পষ্টভাবে একটি সীমাবদ্ধতা। সুতরাং আমরা ধরে নিতে পারি যে আরও সাধারণ মডেল ধারণ করে:tX30(t−1)+1,...,X30t
Yt=α+βX¯(w)t+ut,(2)
সঙ্গে
X(w)t=∑h=1m−1whXtm−h.
অনেকগুলি নিবন্ধ রয়েছে যা বিভিন্ন সম্ভাব্য পছন্দগুলি অন্বেষণ করে । সাধারণত এটি ধরে নেওয়া হয় যে , কিছু ফাংশনের জন্য যা পরামিতি উপর নির্ভর করে । এই ধরণের রিগ্রেশন মডেলকে বলা হয় এমআইডিএএস (মিক্সড ডিএটা স্যাম্পলিং) রিগ্রেশন।whwh=g(h,α)gα
মডেল (2) মডেল (1) তাই এটা অনুমান যে পরীক্ষা করা সম্ভব বাসা । এই নিবন্ধে এরকম একটি পরীক্ষার প্রস্তাব দেওয়া হয়েছে (আমি লেখকদের মধ্যে একজন, নির্লজ্জ প্লাগের জন্য দুঃখিত, এছাড়াও আমি যেখানে এই পরীক্ষাটি প্রয়োগ করা হয় সেখানে এমআইডিএএস রেজিস্ট্রেশনগুলি অনুমান এবং পরীক্ষার জন্য একটি আর প্যাকেজ মিডাসার লিখেছিলাম )।wh=1m
অ-নিপীড়ন সেটিংয়ে এমন ফলাফল রয়েছে যা দেখায় যে একীকরণ সময় সিরিজের বৈশিষ্ট্যগুলিকে পরিবর্তন করতে পারে। উদাহরণস্বরূপ, যদি আপনি সংক্ষিপ্ত মেয়াদী মেমরি রয়েছে এমন এআর (1) প্রক্রিয়াগুলি (সময় সিরিজের দুটি পর্যবেক্ষণের মধ্যে পারস্পরিক সম্পর্ক দ্রুত মারা যায় যখন তাদের মধ্যে দূরত্ব বাড়ানো হয়), আপনি দীর্ঘমেয়াদী মেমরির সাথে একটি প্রক্রিয়া পেতে পারেন।
সুতরাং উত্তরটির সংক্ষিপ্তসারটি হ'ল সমষ্টিগত ডেটাতে পরিসংখ্যান প্রয়োগের বৈধতা একটি পরিসংখ্যানগত প্রশ্ন। মডেলের উপর নির্ভর করে আপনি এটি একটি বৈধ অ্যাপ্লিকেশন কিনা তা একটি হাইপোথিসিস তৈরি করতে পারেন।