时间序列模型中，随机变量就是残差吗？（协方差平稳） 第一个问题：协方差平稳是指时间序列(xt)的平稳，不是残差值(e)的平稳.中间的一块问题：你的问题很混乱，在此，首先你需要了解一个概念，协整与非协整.1987年Engle和Granger提出的协整理论及其方法，为非平稳序列的建模提供了另一种途径.虽然一些变量的本身是非平稳序列，但是，它们的线性组合却有可能是平稳序列.残差值e的自相关，指的是残差序列不平稳，残差序列的不平稳会造成因变量与自变量之间的非协整.（注意是非协整，不是非平稳，协整本身就是一种非平稳.）最后一个问题：非平稳包括三种模型，a、随机游走模型；b、带漂移项随机游走模型；c、带趋势项随机游走模型（1还可以带零随机游走模型）这三种模型都是非平稳.
数据统计中的方差分析 这个使用一般线性模型统计，不过你还需要有一个因变量（比如学习成绩），如果有成绩数据，那么你的就是一个两因素3×6的问题了（努力程度3水平，动机6水平），那么你研究的问题就成为了：学习动机和努力对于学生学习成绩.
协变量方差分析和多重线性回归分别用于什么情况？有重合的地方吗？ 他们都属于一般线性模型的特殊情况，其中协方差分析是一部分解释变量是连续的，一部分解释变量是0-1变量。而多重现行回归则要求全部解释变量都是连续变量。
