มันอาจเป็นคำถามแปลก ๆ เลย แต่ในฐานะที่เป็นสามเณรในเรื่องที่ฉันสงสัยว่าทำไมเราถึงใช้การถดถอยเพื่อทำให้เป็นอนุกรมเวลาถ้าหนึ่งในสมมติฐานของการถดถอยคือข้อมูลที่ควรใช้ในขณะที่ข้อมูลที่ใช้ในการถดถอยนั้น ไม่ใช่ id
มันอาจเป็นคำถามแปลก ๆ เลย แต่ในฐานะที่เป็นสามเณรในเรื่องที่ฉันสงสัยว่าทำไมเราถึงใช้การถดถอยเพื่อทำให้เป็นอนุกรมเวลาถ้าหนึ่งในสมมติฐานของการถดถอยคือข้อมูลที่ควรใช้ในขณะที่ข้อมูลที่ใช้ในการถดถอยนั้น ไม่ใช่ id
คำตอบ:
คุณฉลาดในการรู้สึกว่าอาจมีความขัดแย้งระหว่างสมมติฐานดั้งเดิมของการถดถอยเชิงเส้นน้อยที่สุดแบบทั่วไปและการพึ่งพาอนุกรมซึ่งมักพบได้ในการตั้งค่าอนุกรมเวลา
พิจารณาอัสสัมชั 1.2 (Exogeneity เข้มงวด) ของฟูมิโอะฮายาชิของเศรษฐ
นี่หมายถึง , ที่เหลือใด ๆϵ iคือ orthogonal กับ regressor ใด ๆx jเจดังที่ฮายาชิชี้ให้เห็นข้อสันนิษฐานนี้ถูกละเมิดในแบบจำลองการตอบโต้อัตโนมัติที่ง่ายที่สุด[1] พิจารณากระบวนการ AR (1):
เราเห็นได้ว่าจะเป็น regressor สำหรับy t + 1แต่ϵ tไม่ใช่ orthogonal ต่อy t (เช่นE [ ϵ t y t ] ≠ )
เนื่องจากข้อสันนิษฐานว่า exogeneity ที่เข้มงวดนั้นถูกละเมิดจึงไม่มีข้อโต้แย้งใด ๆ ที่ใช้ข้อสันนิษฐานนั้นที่สามารถนำไปใช้กับโมเดล AR (1) แบบง่ายนี้ได้!
ไม่เราทำไม่ได้! การประมาณแบบจำลอง AR (1) ที่มีกำลังสองน้อยสุดสามัญนั้นเป็นพฤติกรรมมาตรฐานที่ถูกต้องทั้งหมด ทำไมมันยังคงโอเค?
ตัวอย่างที่มีขนาดใหญ่การโต้แย้งแบบซีมโทติคไม่ต้องการ exogeniety ที่เข้มงวด ข้อสันนิษฐานที่เพียงพอ (ที่สามารถนำมาใช้แทนความเป็นเอกภาพอย่างเข้มงวด) คือการถดถอยกำหนดไว้ล่วงหน้า regressors นั้นเป็น orthogonal ไปยังเทอมผิดพลาดที่เกิดขึ้นพร้อมกัน ดูฮายาชิบทที่ 2 สำหรับการโต้แย้งอย่างเต็มรูปแบบ
[1] Fumio Hayashi เศรษฐมิติ (2000), p. 35
[2] ibid., p. 134
วิธีการถดถอยประเภทกำลังสองน้อยที่สุดขั้นพื้นฐานไม่คิดว่าค่า y คือ iid พวกเขาคิดว่าส่วนที่เหลือ (เช่นค่า y ลบด้วยแนวโน้มที่แท้จริง) เป็น iid
วิธีการอื่น ๆ ของการถดถอยมีอยู่ซึ่งทำให้สมมติฐานแตกต่างกัน แต่นั่นอาจจะทำให้คำตอบนี้ยุ่งยากเกินไป
มันเป็นคำถามที่ดี! ปัญหาไม่ได้ถูกกล่าวถึงในหนังสืออนุกรมเวลาของฉัน (ฉันอาจต้องการหนังสือที่ดีกว่า :) ก่อนอื่นโปรดทราบว่าคุณไม่ได้ถูกบังคับให้ใช้การถดถอยเชิงเส้นเพื่อทำให้เป็นอนุกรมเวลาถ้าชุดมีแนวโน้มสุ่ม (หน่วยราก) )- คุณสามารถรับความแตกต่างแรกได้ แต่คุณต้องใช้การถดถอยเชิงเส้นหากซีรีส์มีแนวโน้มที่กำหนดขึ้น ในกรณีนี้มันเป็นความจริงที่ว่าส่วนที่เหลือไม่ได้เป็น iid อย่างที่คุณพูด แค่คิดถึงซีรีส์ที่มีแนวโน้มเชิงเส้นส่วนประกอบตามฤดูกาลส่วนประกอบวงจร ฯลฯ ทั้งหมดเข้าด้วยกัน - หลังจากการถดถอยเชิงเส้นค่าคงที่ทั้งหมดล้วน แต่เป็นอิสระ ประเด็นก็คือว่าคุณไม่ได้ใช้การถดถอยเชิงเส้นเพื่อทำนายหรือสร้างช่วงการทำนาย เป็นเพียงส่วนหนึ่งของขั้นตอนการอนุมานของคุณ: คุณยังต้องใช้วิธีการอื่นเพื่อให้ได้สิ่งตกค้างที่ไม่เกี่ยวข้อง ดังนั้นในขณะที่การถดถอยเชิงเส้นต่อ se ไม่ใช่ขั้นตอนการอนุมานที่ถูกต้อง (ไม่ใช่แบบจำลองทางสถิติที่ถูกต้อง) สำหรับอนุกรมเวลาส่วนใหญ่ขั้นตอนซึ่งรวมถึงการถดถอยเชิงเส้นเป็นหนึ่งในขั้นตอนของมันอาจเป็นแบบจำลองที่ถูกต้องหากแบบจำลองนั้นสอดคล้องกับกระบวนการสร้างข้อมูลสำหรับ อนุกรมเวลา