异常测试-线性回归与t或不与t？了解设置的问题

问题描述

如果要检查库存数据中的异常，许多研究都使用线性回归。假设您要检查是否有星期一效应，这意味着星期一比其他日子差很多。 我了解我们可以使用如下回归：return = a + b DummyMon + e a是常数，b是回归系数，我们有星期一的虚拟对象和误差项e。 那就是我在python中使用的： 首先，您向异常中添加一个常量：

anomaly = sm.add_constant(anomaly)

然后您建立模型：

model = sm.OLS(return,anomaly)

您适合的模型：

results = model.fit()

1. 我想知道这是否是正确的模型设置。
2. 在这种情况下，线性回归图将仅显示两个垂直区域，分别大于0（无周一）和1（周一），并包含所有回报。看起来很奇怪。这是正确的吗？
3. 我应该以某种方式尝试在回归中使用时间（t）吗？如果是这样，我该如何使用python？我本想考虑给每个约会增加数目，但是后来我想知道如何对待周末。
4. 我认为，如果时间序列固定，那么对于许多数据点，这两种方法都是相似的，对吗？最后，我进行了横截面分析，在这种情况下不关心时间序列的方面，对吗？ （我听说过GARCH模型等，这里有所不同）

嗯，我只是在学习，希望有人能给我一些关于该主题的想法。 预先非常感谢。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）