รุ่นอนุกรมเวลาของความแตกต่างของบันทึกดีกว่าอัตราการเติบโตหรือไม่


12

บ่อยครั้งที่ฉันเห็นผู้เขียนประเมินโมเดล "ความแตกต่างของบันทึก" เช่น

log(yt)log(yt1)=log(yt/yt1)=α+βxt

ฉันเห็นนี้มีความเหมาะสมที่จะเกี่ยวข้องกับไปสู่การเปลี่ยนแปลงในอัตราร้อยละขณะที่คือ(1)y t log ( y t ) I ( 1 )xtytlog(yt)I(1)

แต่ความแตกต่างของบันทึกคือการประมาณและดูเหมือนว่าเราสามารถประมาณโมเดลได้โดยไม่ต้องมีการแปลงบันทึกเช่น

yt/yt11=(ytyt1)/yt1=α+βxt

ยิ่งไปกว่านั้นอัตราการเติบโตจะอธิบายการเปลี่ยนแปลงเปอร์เซ็นต์อย่างแม่นยำในขณะที่ความแตกต่างของบันทึกจะประมาณการเปลี่ยนแปลงเปอร์เซ็นต์เท่านั้น

อย่างไรก็ตามฉันพบว่าวิธีการบันทึกความแตกต่างถูกใช้บ่อยกว่ามาก ในความเป็นจริงแล้วการใช้อัตราการเติบโตดูเหมือนว่าเหมาะสมที่จะจัดการกับความคงที่ของความแตกต่างแรก ในความเป็นจริงฉันได้พบว่าการคาดการณ์กลายเป็นแบบเอนเอียง (บางครั้งเรียกว่าปัญหาการส่งข้อมูลย้อนกลับในวรรณกรรม) เมื่อเปลี่ยนตัวแปรบันทึกกลับไปเป็นข้อมูลระดับyt/yt1

ประโยชน์ของการใช้ความแตกต่างของบันทึกเปรียบเทียบกับอัตราการเติบโตคืออะไร มีปัญหาใด ๆ กับการเปลี่ยนแปลงอัตราการเติบโตหรือไม่? ฉันเดาว่าฉันขาดอะไรไปไม่งั้นก็ดูเหมือนว่าจะใช้วิธีนี้บ่อยขึ้น


ขอบคุณสำหรับความคิดเห็นของคุณ ฉันเห็นด้วยกับความสมมาตรและขอบเขตเป็นข้อได้เปรียบที่สำคัญ ดูเหมือนว่าขอบเขตจะช่วยควบคุม heteroskedasticity และสมมาตรจะช่วยให้ค่าเฉลี่ยคงที่
A. Smith

1
ความแตกต่างของบันทึกไม่ใช่การประมาณ มันเป็นอัตราการเติบโตแบบต่อเนื่องหรือเอ็กซ์โปแนนเชียลเมื่อเทียบกับอัตราช่วงต่อช่วงเวลา พวกมันต่างกัน คนธรรมดาเข้าใจดีกว่าคนที่สอง แต่คนแรกมีคุณสมบัติทางคณิตศาสตร์ที่สะอาดกว่า (เช่นการเติบโตเฉลี่ยเป็นเพียงค่าเฉลี่ยของอัตราการเติบโตอัตราการเติบโตของผลิตภัณฑ์คือผลรวมของอัตรา ฯลฯ ) บิตเกี่ยวกับการคาดการณ์คือการเปลี่ยนแปลงที่ไม่จำเป็นซึ่งนำไปสู่การคาดการณ์ระเบิดหรือค่ามัธยฐานที่เป็นกลาง แต่ไม่ใช่ค่าเฉลี่ยที่ไม่เอนเอียงซึ่งเป็นเรื่องปกติ มันไม่มีส่วนเกี่ยวข้องกับอัตราต่อเนื่องกับช่วงเวลา
Chris Haug

คำตอบ:


12

ข้อได้เปรียบที่สำคัญอย่างหนึ่งของความแตกต่างของบันทึกคือสมมาตร: ถ้าคุณมีความแตกต่างของบันทึกวันนี้และหนึ่งในในวันพรุ่งนี้คุณจะกลับมาจากที่ที่คุณเริ่ม ในทางตรงกันข้ามการเติบโต 10% ในวันนี้และการลดลง 10% ในวันพรุ่งนี้จะไม่นำคุณกลับไปสู่ค่าเริ่มต้น- 0.10.10.1


8
ความสมมาตร / ขอบเขตเป็นข้อได้เปรียบหลักที่ฉันเห็น การเปลี่ยนจาก 100 เป็น 10 เป็นความแตกต่าง log10 ของ -1 แต่ -90% การเปลี่ยนจาก 100 เป็น 1,000 เป็นความแตกต่างของ 1 แต่ 900% โมเดลเชิงเส้นจะให้ความสนใจมากเกินไปกับการสังเกต 900%
zbicyclist

3

ตัวชี้วัดทางเศรษฐกิจมหภาคหลายคนจะเชื่อมโยงกับการเติบโตของประชากรซึ่งเป็นชี้แจงและทำให้มีแนวโน้มที่ชี้แจงตัวเอง ดังนั้นกระบวนการก่อนการสร้างแบบจำลองด้วย ARIMA, VAR หรือวิธีการเชิงเส้นอื่น ๆมักจะ:

  • จดบันทึกเพื่อรับซีรีส์ที่มีแนวโน้มเชิงเส้น
  • จากนั้นความแตกต่างเพื่อรับซีรีส์นิ่ง
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.