การรวมตัวแปรขึ้นอยู่กับความล่าช้าในการถดถอย

ฉันสับสนมากว่าการรวมตัวแปรที่ล้าหลังลงในแบบจำลองการถดถอยนั้นถูกต้องหรือไม่ โดยทั่วไปฉันคิดว่าถ้ารุ่นนี้มุ่งเน้นไปที่ความสัมพันธ์ระหว่างการเปลี่ยนแปลงใน Y และตัวแปรอิสระอื่น ๆ จากนั้นการเพิ่มตัวแปรที่ขึ้นต่อกันล้าหลังในด้านขวามือสามารถรับประกันได้ว่าสัมประสิทธิ์ก่อนค่า IV อื่น ๆ เป็นอิสระจากค่าก่อนหน้าของ Y

บางคนบอกว่าการรวม LDV จะทำให้ค่าสัมประสิทธิ์ของ IV อื่น ๆ ลดลง บางคนบอกว่าสามารถรวม LDV ซึ่งสามารถลดความสัมพันธ์แบบอนุกรม

ฉันรู้ว่าคำถามนี้ค่อนข้างทั่วไปในแง่ของการถดถอยชนิดใด แต่ความรู้ทางสถิติของฉันมี จำกัด และฉันมีเวลายากมากที่จะหาว่าถ้าฉันควรรวมตัวแปรที่ล้าหลังลงในแบบจำลองการถดถอยเมื่อโฟกัสคือการเปลี่ยนแปลงของ Y เมื่อเวลาผ่านไป

มีวิธีอื่นที่จะจัดการกับอิทธิพลของ Xs ที่มีต่อการเปลี่ยนแปลงของ Y เมื่อเวลาผ่านไปหรือไม่? ฉันลองใช้คะแนนการเปลี่ยนแปลงที่แตกต่างกันเช่น DV แต่ R กำลังสองในสถานการณ์นั้นต่ำมาก

การตัดสินใจที่จะรวมตัวแปรขึ้นอยู่กับความล่าช้าในแบบจำลองของคุณเป็นคำถามทางทฤษฎี มันสมเหตุสมผลที่จะรวม DV ที่ล้าหลังถ้าคุณคาดว่าระดับปัจจุบันของ DV จะถูกกำหนดอย่างมากจากระดับที่ผ่านมา ในกรณีนั้นการไม่รวม DV ที่ล้าหลังจะนำไปสู่การตั้งค่าตัวแปรที่ละเว้นและผลลัพธ์ของคุณอาจไม่น่าเชื่อถือ ในสถานการณ์ดังกล่าวรวมถึง DV ที่ล้าหลังจะทำให้เกิดความแปรปรวนจำนวนมากของคุณและมีแนวโน้มที่จะทำให้เอฟเฟ็กต์ DV อื่น ๆ ของคุณมีความสำคัญน้อยลง (ซึ่งหมายความว่าทั้งสองทำให้มีขนาดเล็กลง อย่างไรก็ตามสิ่งที่จะช่วยให้คุณทำคือพูดว่า IV เหล่านั้นที่ยังคงมีอิทธิพลต่อผลลัพธ์ของคุณมีการควบคุมผลกระทบสำหรับค่าที่ผ่านมาของ DV อีกทางเลือกหนึ่งในการนี้คือการใช้ความแตกต่างระหว่างตัวแปรผลลัพธ์ของคุณในช่วงเวลาt t - 1 $\beta$$t$และเป็น DV ของคุณในช่วงที$t-1$$t$

อย่างไรก็ตามการทำสิ่งใดสิ่งหนึ่งเหล่านี้บ่งบอกถึงการตอบคำถามสำคัญ: โครงสร้างความล่าช้าที่เหมาะสมสำหรับ DV ของคุณคืออะไร คุณสามารถรับข้อมูลบางอย่างเกี่ยวกับสิ่งนี้ได้โดยการสังเกตความสัมพันธ์ระหว่างตัวแปรผลลัพธ์ของคุณกับตัวเองสำหรับค่าความล่าช้าที่แตกต่างกัน (เช่นความสัมพันธ์ระหว่าง Y และ Y , Y และ Yฯลฯ )t - $t-1$$t-2$

ฉันแนะนำสองบทความ:

1. Achen CH (2001) เหตุใดตัวแปรที่ขึ้นกับความล่าช้าจึงสามารถยับยั้งพลังการอธิบายของตัวแปรอิสระอื่น ๆ ( ลิงก์ )
2. Keele, L. และ Kelly NJ (2005) ตัวแบบไดนามิกสำหรับทฤษฎีไดนามิก: ส่วนลึกและของตัวแปรตาม ( lag )

ผลที่สุดคือการรวมตัวแปรที่ล้าหลังอาจมีอิทธิพลอย่างมากต่อค่าสัมประสิทธิ์ของตัวแปรที่เหลือ บางครั้งสิ่งนี้เหมาะสม (สำหรับโมเดลไดนามิกของ Keele และ Kelly) และบางครั้งก็ไม่ ดังที่คนอื่น ๆ ได้กล่าวไว้เป็นสิ่งสำคัญที่ต้องคำนึงถึงกระบวนการที่เป็นแบบอย่าง

การรวมตัวแปรขึ้นอยู่กับความล่าช้าสามารถลดการเกิดความสัมพันธ์อัตโนมัติที่เกิดจากการสะกดคำผิดแบบ ดังนั้นการบัญชีสำหรับตัวแปรที่ล้าหลังจะช่วยให้คุณสามารถปกป้องการดำรงอยู่ของความสัมพันธ์อัตโนมัติในโมเดลได้ ค่าที่ผ่านมามีผลกระทบต่อปัจจุบันในรูปแบบต้องมีพื้นฐานทางทฤษฎีและเหมาะสมที่สุดตามแบบที่ต้องการ

สิ่งที่ทำให้ฉันสนใจเกี่ยวกับคำถามนี้คือไม่รู้อะไรเพิ่มเติมเกี่ยวกับคุณสมบัติของแบบจำลองหรือเทคนิคการประมาณ ฉันพูดถึงว่าเพราะถึงแม้ว่าการใช้ DV ที่ล้าหลังในกลุ่ม IV อาจมีความสำคัญทางทฤษฎีและจำเป็นต้องใช้วิธีการ แต่ก็อาจแนะนำ endongeneity จำนวนมากที่มีความเสี่ยงขึ้นอยู่กับความสัมพันธ์ระหว่างตัวแปรและหน่วยเวลาและใน AR คำสั่งที่อาจมีอยู่ในรูปแบบ หากคุณ (และเรา) มีรายละเอียดเพิ่มเติมเกี่ยวกับตัวแปรและในการประมาณค่าฉันจะไม่รู้สึกสะดวกสบายที่จะแนะนำ lagging DV อีกครั้งเว้นแต่คุณจะนึกถึงเทคนิคตัวแปรเครื่องมือหรือบางอย่างเช่นการประมาณ Arellano-Bond

โปรดให้รายละเอียดเพิ่มเติมกับเราเพื่อเราจะได้รู้ว่ารุ่นที่เรากำลังพูดถึงนั้นเป็นอย่างไร

ใช่คุณควรระวังอคติของ Nickell ในสถานการณ์เล็ก T ใหญ่ N (Nickell, S. (1981) อคติในรูปแบบไดนามิกที่มีผลกระทบคงที่ Econometrica: วารสารสมาคมเศรษฐมิติ, ค.ศ. 1417-1426)

คุณอาจต้องการดูตัวแบบไดนามิกข้อมูลแผงเช่นตัวประมาณ Arellano-Bond หรือ Blundell-Bond