데굴데굴 데이터분석

모바일은 화면을 돌려 가로화면으로 보시는 게 읽으시기 편할 수 있습니다. 돌려서 보시는 걸 추천드릴게요!! 🕑 오차의 자기상관 해결 02. 회귀가변수 추가 🕑 1. 트렌드 (trend) 1차 자기상관이 심하게 있는 경우 고려해 줘야 하는 사안입니다. 다만 $X$변수에도 trend가 있기 때문에 회귀모형 적합 결과 오차항에는 trend가 남지 않을 수도 있습니다. 하지만 오차항에 trend 자기상관이 남아있다면, trend에 해당하는 가변수를 $X$변수로 추가 가능합니다. 트렌드 가변수로는 시간 가변수 $𝑡$ 또는 $𝑡^2$ 를 사용합니다. 🕑 트렌드 파악 우선 데이터에서 각 feature의 plot을 그려 트렌드 유무를 파악합니다. df1 |t|) (Intercept) 0.6640849 0.3513251..

모바일은 화면을 돌려 가로화면으로 보시는 게 읽으시기 편할 수 있습니다. 돌려서 보시는 걸 추천드릴게요!! 🕑 오차의 자기상관 해결 01. 차분 🚩 선형회귀 모델의 타당성을 파악하기 위해서, 모집단 모형에는 8가지 가정이 존재합니다. 가정1 : 변수 $Y$와 $X$의 관계는 선형이다. scatter plot으로 검증. 가정2 : $X$는 확률변수가 아닌 주어진 상수값이다. Cross sectional data에서는 그냥 받아들이지만, 시계열데이터에서는 고려. 가정3 : $X$값이 주어져 있을 때, 오차항의 평균은 0이다. $E(εi|X)=0$ 즉, X값이 주어져 있을 때 Y의 평균은 체계적인 부분. 잔차플롯으로 검증. 전반적인 잔차가 0에 모여있는지 확인. 가정4 : $X$값이 주어졌을 때, 오차항의 분..

모바일은 화면을 돌려 가로화면으로 보시는 게 읽으시기 편할 수 있습니다. 돌려서 보시는 걸 추천드릴게요!! 🕑 시계열 회귀분석 서로 다른 개체 간 오차항들은 서로 자기상관이 없다는 가정의 영향을 고려해줘야 합니다. 특히 시계열 데이터의 특성 상, 각 개체 간 자기상관이 없을 수 없기 때문에 꼭 이에 대한 처리를 해주어야 합니다. 대표적으로, 차분을 진행해서 자기상관을 줄이는 방법이 있겠습니다. 🕑 선형회귀 : lm(Y ~ X1 + X2 + X3, data = DATA) 🕑 먼저, 일반 데이터프레임에 대해 회귀분석을 진행하겠습니다. ## 데이터프레임 head(df1) ## year consumption income wealth interest lnconsump lndpi lnwealth ## 1 1947 ..