怎麼計算有時間關係的數值排名？

1樓：鄒日佳

首先建議你修改下問題，這個問題在統計學中範疇有點廣，可以直接以下面的案例為題。

關鍵問題是，這裡的原先的排名你似乎並不知道，沒有因變數的資料，如何進行回歸？

首先，多元線性回歸出來的排名值是期望，這個排名可以近似正態分佈麼？在非引數統計中的近似可是有嚴格假定的，我不認為它排名這個東西符合，為什麼？因為小的排名資料是很難獲得的，所以本身期望就不可信，在這裡我傾向於非引數統計的方法。

再者，你選取哪些變數不選取哪些變數這是很有來頭的，不是什麼變數都可以加進去。資料是時間序列資料，若是排名為因，人數為果，然後拿人數對排名做回歸，這就有點本末倒置了。我們要確定哪些因素是對排名有影響的，影響為多長時間的，哪些因素是受排名影響的，哪些是兩者有相互影響的，這屬於計量的範疇。

最後，像商品的排名是有定義的，熱賣值這種是模糊不見的，本身因變數沒有明確定義，又不是因子分析出來的影響因素，這是沒有價值的。所有的人為定義需要資料說話。當你選定合適的變數時，不妨去做一下因子分析，看看你所認為的熱賣值是哪些變數的線性組合。

問題解決：

建議在此處用非引數統計的方法，乙個【Cochran Q】檢驗再加上幾組卡方檢驗就可以搞定了。為什麼不能直接當正態做？因為你先要找排名的因素，然後要把它顯示出來，這不是乙個可以不管殘差是否正態就拿去做回歸的事情

建議先檢驗一下這些變數是否是同階單整的。假設他們的影響時間不是都一樣，（i.e.

有的因素很快對排名見效，有的要很慢見效），那直接放在一起是有問題的。這裡有個非常有名的ADF檢驗，如果資料是異方差的（自己對自己的上一期所做出來的回歸存在異方差）請用PP檢驗修正。

以上的詳細檢驗方法都可以在網上搜到。做分析時，請務必先想假設條件是否滿足。統計並不是乙個簡單的事情，它需要你思路清晰明暢。