Ложная регрессия — ситуация, когда между объясняющей и зависимой переменной в действительности нет причинно-следственной связи, однако коэффициент корреляции между ними по модулю близок к единице, а уравнение, описывающее их взаимосвязь, с высокой точностью соответствует данным. Эта ситуация обычно возникает в случае работы с временными рядами, которые характеризуются наличием 🔼тренда, детерминированного или случайного. Эконометристы называют такие временные ряды нестационарными. 📊Избавиться от возникновения ложной зависимости можно, устранив из данных указанные тренды. Для этого, например, вместо самих переменных можно анализировать их изменения. Такой приём в эконометрике называют переходом к первым разностям переменных. Легко видеть, что в этом случае «злые чары» ложной регрессии рассеиваются, и кажущаяся связь между в действительности не связанными переменными пропадает. _ _ _ ☄️ Переход к первым разностям - правильный статистический подход если вы анализируете переменные с низкой логической связью. Иногда он тоже работает некорректно в случае с тем же индексом $MOEX (да и любым индексом) и его корреляцией с изменениями ключевой ставки. В таких случаях более разумно будет тщательно обдумывать логическую взаимосвязь переменных, между которыми может быть корреляция, дабы избежать смещения из-за пропуска существенной переменной или из-за самоотбора #эконометрика #обучение #хочу_в_дайджест #учу_в_пульсе