ในการตั้งค่าการถดถอยคุณสามารถทดสอบว่าการรวมอย่างง่ายเป็นตัวเลือกที่ถูกต้องหรือไม่ สมมติว่าคุณมีข้อมูลรายเดือนและรายวันข้อมูล (ที่มีการแก้ไขวันในหนึ่งเดือน) สมมติว่าคุณสนใจในการถดถอย:YtXτm
Yt=α+βX¯t+ut,(1)
โดยที่
X¯t=1m∑h=0m−1Xtm−h.
ที่นี่เราคิดว่าเดือนแต่ละสังเกตทุกวัน{} ในกรณีนี้เราสันนิษฐานว่าในแต่ละวันมีน้ำหนักเท่ากันซึ่งเป็นข้อ จำกัด อย่างชัดเจน ดังนั้นเราจึงสามารถสรุปได้ว่าแบบจำลองทั่วไปมีดังนี้:tX30(t−1)+1,...,X30t
Yt=α+βX¯(w)t+ut,(2)
กับ
X(w)t=∑h=1m−1whXtm−h.
มีจำนวนมากของบทความที่สำรวจเลือกที่เป็นไปแตกต่างกันของมีw_hมักจะมีข้อสันนิษฐานว่าสำหรับบางฟังก์ชั่นซึ่งขึ้นอยู่กับพารามิเตอร์\รูปแบบการถดถอยชนิดนี้เรียกว่าการถดถอยแบบ MIDAS (การสุ่มตัวอย่าง DAx)whwh=g(h,α)gα
รุ่น (2) รังรูปแบบ (1) จึงเป็นไปได้ในการทดสอบสมมติฐานที่ว่า{m} มีการเสนอการทดสอบหนึ่งรายการในบทความนี้ (ฉันเป็นหนึ่งในผู้เขียนขอโทษสำหรับปลั๊กที่ไร้ยางอายฉันยังเขียนmidasrแพ็คเกจ R สำหรับการประเมินและทดสอบการถดถอย MIDAS ที่ใช้การทดสอบนี้)wh=1m
ในการตั้งค่าที่ไม่ใช่การถดถอยมีผลลัพธ์ที่แสดงว่าการรวมสามารถเปลี่ยนคุณสมบัติของอนุกรมเวลา ตัวอย่างเช่นถ้าคุณรวมกระบวนการ AR (1) ที่มีหน่วยความจำระยะสั้น (ความสัมพันธ์ระหว่างการสังเกตสองครั้งของอนุกรมเวลาจะดับลงอย่างรวดเร็วเมื่อระยะห่างระหว่างพวกเขาเพิ่มขึ้น) คุณจะได้รับกระบวนการที่มีหน่วยความจำระยะยาว
ดังนั้นการสรุปคำตอบก็คือความถูกต้องของการประยุกต์ใช้สถิติกับข้อมูลรวมเป็นคำถามเชิงสถิติ ขึ้นอยู่กับรุ่นที่คุณสามารถสร้างสมมติฐานว่ามันเป็นโปรแกรมที่ถูกต้องหรือไม่