แหล่งข้อมูลสำหรับการเรียนรู้เกี่ยวกับการถดถอยอนุกรมเวลาแบบเผด็จการ


10

"การปลอมแบบน่าเกรงขาม" (ในบริบทของอนุกรมเวลา) และคำที่เกี่ยวข้องเช่นการทดสอบรูทยูนิทเป็นสิ่งที่ฉันได้ยินมามากมายเกี่ยวกับเรื่องนี้ แต่ไม่เข้าใจเลย

มันเกิดขึ้นเมื่อใดโดยสัญชาตญาณ (ฉันเชื่อว่ามันเป็นตอนที่อนุกรมเวลาสองชุดของคุณถูกรวมกันนั่นคือชุดค่าผสมเชิงเส้นบางส่วนของชุดแบบคงที่ แต่ฉันไม่เห็นว่าทำไมตัวกรองควรนำไปสู่

ฉันกำลังมองหาความเข้าใจระดับสูงของการทดสอบ cointegration / unit root / Granger causality เกี่ยวกับการถดถอยแบบเผ็ด ดังนั้นการตอบสนองที่กำหนดเองหรือลิงก์ไปยังการอ้างอิงที่ฉันสามารถเรียนรู้เพิ่มเติมจะดีมาก

คำตอบ:


11

แนวคิดเหล่านี้ถูกสร้างขึ้นเพื่อจัดการกับการถดถอย (เช่นความสัมพันธ์) ระหว่างซีรีส์ที่ไม่หยุดนิ่ง

ไคลฟ์เกรนเจอร์เป็นผู้เขียนหลักที่คุณควรอ่าน

Cointegration ได้รับการแนะนำใน 2 ขั้นตอน:

1 / Granger, C. , และ P. Newbold (1974): "การถดถอยที่น่าเกรงขามในเศรษฐมิติ"

ในบทความนี้ผู้เขียนชี้ให้เห็นว่าการถดถอยระหว่างตัวแปรที่ไม่หยุดนิ่งควรดำเนินการตามการถดถอยของการเปลี่ยนแปลง (หรือบันทึกการเปลี่ยนแปลง) ของตัวแปร มิฉะนั้นคุณอาจพบว่ามีความสัมพันธ์สูงโดยไม่มีความสำคัญจริง ๆ (= การถดถอยลวงตา)

2 / Engle, Robert F. , Granger, Clive WJ (1987) "การรวมและการแก้ไขข้อผิดพลาด: การเป็นตัวแทนการประมาณค่าและการทดสอบ", Econometrica, 55 (2), 251-276

ในบทความนี้ (ซึ่ง Granger ได้รับรางวัลจากคณะลูกขุนโนเบลในปี 2003) ผู้เขียนดำเนินการต่อไปและแนะนำการใช้ cointegration เพื่อศึกษารูปแบบการแก้ไขข้อผิดพลาดที่มีอยู่ระหว่างตัวแปรที่ไม่นิ่งสองตัว
โดยพื้นฐานแล้วคำแนะนำในการยกเลิกการเปลี่ยนแปลงในอนุกรมเวลา 2517 อาจนำไปสู่การถดถอยแบบไม่ระบุ คุณสามารถมีตัวแปรที่มีการเปลี่ยนแปลงที่ไม่สัมพันธ์กัน แต่มีการเชื่อมต่อผ่าน "ตัวแก้ไขข้อผิดพลาด"

ดังนั้นคุณสามารถมีความสัมพันธ์โดยไม่ต้อง cointegration และ cointegration โดยไม่มีความสัมพันธ์ ทั้งสองเสริมกัน

หากมีกระดาษให้อ่านเพียงเล่มเดียวฉันขอแนะนำให้คุณเริ่มด้วยกระดาษนี้ซึ่งเป็นการแนะนำที่ดีและดีมาก:

(เมอเรย์ 1993) เมาและสุนัขของเธอ


Engle & Granger ได้รับรางวัลเดียวกันด้วยกัน ฉันสงสัยว่าคณะลูกขุนโนเบลได้ยกเว้นการมีส่วนร่วมของ Engle ในการวิเคราะห์ cointegration ดังนั้นจึงน่าจะปลอดภัยที่จะพูดว่าบทความช่วยพวกเขาทั้งสอง (ไม่เพียง แต่ Granger) ในการรับรางวัล
Richard Hardy

12

เรามาเริ่มด้วยการถดถอยกันเถอะ ถ่ายหรือจินตนาการสองชุดซึ่งทั้งสองแรงหนุนจากแนวโน้มเวลาที่โดดเด่น: ยกตัวอย่างเช่นประชากรสหรัฐและการบริโภคของสหรัฐสิ่งที่ (มันไม่สำคัญว่าสิ่งที่รายการคุณคิดเกี่ยวกับว่าจะเป็นโซดาหรือชะเอมหรือก๊าซ) ซีรีส์ทั้งสองจะเติบโตขึ้นเนื่องจากแนวโน้มเวลาทั่วไป ตอนนี้ถอยหลังปริมาณการใช้รวมกับขนาดประชากรโดยรวมและ presto คุณมีขนาดที่พอดี (เราสามารถจำลองมันได้อย่างรวดเร็วใน R ด้วย)

แต่มันไม่มีความหมายอะไรเลย ไม่มีความสัมพันธ์ (อย่างที่เราเป็นผู้สร้างแบบจำลองรู้) - แต่โมเดลเชิงเส้นเห็นว่าเหมาะสม (ในการหาผลรวมกำลังสองของสี่เหลี่ยมจัตุรัส) เนื่องจากทั้งสองซีรีส์เกิดขึ้นกับทั้งคู่โดยไม่มีการเชื่อมโยงเชิงสาเหตุ เราตกเป็นเหยื่อของการถดถอยที่น่าเกรงขาม

สิ่งที่สามารถหรือควรจะเป็นแบบจำลองมีการเปลี่ยนแปลงในชุดหนึ่งในการเปลี่ยนแปลงในอื่น ๆ หรืออาจบริโภคต่อหัวหรือ ... การเปลี่ยนแปลงเหล่านั้นทั้งหมดทำให้ตัวแปรนิ่งซึ่งช่วยในการบรรเทาปัญหา

ตอนนี้จาก 30,000 ฟุตรูทยูนิตและตัวชี้วัดช่วยให้คุณมีการอนุมานอย่างเป็นทางการในกรณีเหล่านี้โดยการให้การสนับสนุนทางสถิติอย่างเข้มงวด ( สิ่งพิมพ์ของEconometricaและโนเบลไม่ได้มาอย่างง่ายดาย) ที่ไม่มีให้บริการ

สำหรับคำถามในแหล่งข้อมูลที่ดี: มันยุ่งยาก ฉันได้อ่านหนังสือซีรีย์เวลาหลายสิบเล่มและเก่งที่สุดในวิชาคณิตศาสตร์และทิ้งไว้เบื้องหลังสัญชาตญาณ ไม่มีอะไรที่เหมือนกับข้อความเศรษฐมิติของเคนเนดีสำหรับซีรีย์เวลา บางทีข้อความของ Walter Enders อาจใกล้เคียงที่สุด ฉันจะลองคิดเพิ่มและอัปเดตที่นี่

นอกเหนือจากหนังสือแล้วซอฟต์แวร์สำหรับการทำเช่นนี้เป็นสิ่งสำคัญและ R มีสิ่งที่คุณต้องการ ราคาถูกเกินไป


0

ซีรีส์ถูกกล่าวว่ามีรูทยูนิตหากไม่ใช่แบบคงที่ เมื่อคุณพูดกระบวนการที่ไม่หยุดนิ่งสองกระบวนการที่รวมเข้ากับลำดับ 1 (I (1) ซีรีส์) และคุณสามารถค้นหาการรวมเชิงเส้นของกระบวนการเหล่านั้นซึ่งก็คือ I (0) จากนั้นซีรีส์ของคุณจะถูกรวมกัน ซึ่งหมายความว่าพวกเขาพัฒนาในลักษณะที่ค่อนข้างคล้ายกัน ช่องนี้มีข้อมูลเชิงลึกที่ดีเกี่ยวกับอนุกรมเวลาตัวชี้วัดและhttps://www.youtube.com/watch?v=vvTKjm94Ars สำหรับหนังสือฉันค่อนข้างชอบ "ทฤษฎีเศรษฐมิติและวิธีการ" โดย Davidson & MacKinnon


1
ขอบคุณที่เสนอคำตอบ แต่ฉันไม่เห็นสิ่งใดในนั้นที่ตอบคำถามเกี่ยวกับการถดถอยที่น่าเกรงขาม คุณช่วยอธิบายเกี่ยวกับการเชื่อมต่อได้ไหม?
whuber

"ฉันกำลังมองหาความเข้าใจในระดับสูงว่าการทดสอบ cointegration / unit root ใด / สาเหตุของ Granger เกี่ยวข้องกับ Spurious regression (... ) ดังนั้นทั้งการตอบสนองที่กำหนดเองหรือลิงก์ไปยังการอ้างอิงที่ฉันสามารถเรียนรู้ได้มากขึ้น ." ฉันกำลังศึกษาการถดถอยที่น่าเกรงขามในเวลานี้และฉันเชื่อว่าคำตอบที่ให้ไว้ข้างต้นนั้นดีกว่าสิ่งที่ฉันสามารถให้ได้ แต่ผมคิดว่าการแบ่งปันอ้างอิงบางอย่างที่ช่วยให้ฉันอาจจะเป็นที่น่าสนใจ ...
Arroba
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.