Endogeneity และแบบจำลอง AR?

กระบวนการ AR (p) ได้รับจาก:

y_{t} = ϕ_{0} + ϕ_{1} y_{t - 1} + ϕ_{2} y_{t - 2} + . . . + ϕ_{t - p} y_{t - p} + u_{t}

$y_t=\phi_0+\phi_1y_{t-1}+\phi_2y_{t-2}+...+\phi_{t-p}y_{t-p}+u_t$

ในรูปแบบดังกล่าวเรามีตัวแปรภายนอก คำถามของฉันคือทำไมนี่ไม่ใช่ปัญหาเมื่อจัดการกับข้อมูลอนุกรมเวลา

econometrics

— EconJohn
แหล่งที่มา

มันไม่จำเป็นต้องเป็นความจริงที่ว่า lagged นั้นอยู่ภายนอก นั่นขึ้นอยู่กับโครงสร้างที่คุณสมมติทีหากเป็นเสียงสีขาวไม่มี endogeneity ในแง่ที่ว่า $y$ $u_t$ $u_t$

E (u_{t} | y) = 0

$E(u_t|\mathbf{y}) = 0$

$\mathbf{y}=\{y_{t-1}, \cdots , y_{t-p}\}$

นี่เป็นเรื่องเล็กน้อยที่จะพิสูจน์เมื่อคุณตระหนักว่าความเท่าเทียมกันข้างต้นสามารถแสดงเป็น

E (u_{t} y_{t - i}) = 0, i = {1, \dots, p}

$E(u_t y_{t-i})=0 \,\,\quad, i=\{1, \cdots, p\}$

โดยใช้กฎหมายของความคาดหวังทั้งหมด

$u_t$

— luchonacho
แหล่งที่มา

y_{t}

$y_t$

R^{2}

$R^2$

@EconJohn การดำรงอยู่ของ multicolinearity เป็นสาเหตุที่ทำให้เราใช้การถดถอยหลายครั้ง (ตัวแปรอธิบายหลายอย่าง) และไม่ใช่แค่การถดถอยอย่างง่าย (ตัวแปรอธิบายเดียว) หากคุณหมายถึงการอ้างถึง multicolinearity "สมบูรณ์แบบรุนแรง" ที่สร้างปัญหาทางเทคนิคเกี่ยวกับการดำเนินการของตัวประมาณ LS นี่เป็นปัญหาต่อกรณี

— Alecos Papadopoulos