ข้อกำหนดความคงที่ของการใช้การถดถอยกับข้อผิดพลาด ARIMA สำหรับการอนุมานคืออะไร?


16

ข้อกำหนดความคงที่ของการใช้การถดถอยกับข้อผิดพลาด ARIMA (การถดถอยแบบไดนามิก) สำหรับการอนุมานคืออะไร?

โดยเฉพาะผมมีความไม่หยุดนิ่งตัวแปรผลอย่างต่อเนื่องที่ไม่หยุดนิ่งทำนายอย่างต่อเนื่องตัวแปรและชุดรักษาตัวแปรหุ่นx_bฉันต้องการทราบว่าการรักษานั้นมีความสัมพันธ์กับการเปลี่ยนแปลงของตัวแปรผลลัพธ์ที่มากกว่าข้อผิดพลาดสองมาตรฐานจากการเปลี่ยนแปลงศูนย์หรือไม่Yxax

ฉันไม่แน่ใจว่าฉันต้องการสร้างความแตกต่างให้กับซีรี่ส์เหล่านี้ก่อนดำเนินการถดถอยด้วยการทำโมเดลข้อผิดพลาด ARIMA หรือไม่ ในคำตอบของคำถามอื่นIrishStat กล่าวว่าwhile the original series exhibit non-stationarity this does not necessarily imply that differencing is needed in a causal model.จากนั้นเขาก็จะเพิ่ม เข้าไปunwarranted usage [of differencing] can create statistical/econometric nonsenseอีก

SAS คู่มือการใช้งานที่แสดงให้เห็นว่ามันจะปรับรูปแบบการถดถอยพอดีกับข้อผิดพลาด ARIMA แบบไม่หยุดนิ่งโดยไม่ต้อง differencing ตราบใดที่เหลือจะไม่หยุดนิ่ง:

โปรดทราบว่าข้อกำหนดของความคงที่จะมีผลกับชุดเสียง หากไม่มีตัวแปรอินพุตชุดการตอบกลับ (หลังจากแตกต่างและลบด้วยค่าเฉลี่ย) และชุดเสียงจะเหมือนกัน อย่างไรก็ตามหากมีอินพุตชุดเสียงเป็นส่วนที่เหลือหลังจากเอาเอฟเฟกต์ของอินพุตออก

ไม่มีข้อกำหนดว่าชุดข้อมูลป้อนเข้าสู่โหมดนิ่ง หากอินพุตเป็นแบบไม่คงที่ชุดตอบสนองจะเป็นแบบไม่คงที่แม้ว่ากระบวนการสัญญาณรบกวนอาจหยุดนิ่ง

เมื่อใช้ชุดอินพุตแบบไม่ต่อเนื่องคุณสามารถปรับตัวแปรอินพุตก่อนโดยไม่มีแบบจำลอง ARMA สำหรับข้อผิดพลาดจากนั้นพิจารณาความคงที่ของส่วนที่เหลือก่อนระบุรูปแบบ ARMA สำหรับส่วนเสียง

ในทางกลับกันRob Hyndman และ George Athanasopoulos ยืนยัน :

การพิจารณาที่สำคัญในการประเมินการถดถอยด้วยข้อผิดพลาด ARMA คือตัวแปรทั้งหมดในรูปแบบจะต้องอยู่กับที่ก่อน ดังนั้นก่อนอื่นเราต้องตรวจสอบว่า yt และตัวทำนายทั้งหมดดูเหมือนจะไม่อยู่นิ่ง หากเราประเมินโมเดลในขณะที่สิ่งเหล่านี้ไม่นิ่งค่าสัมประสิทธิ์โดยประมาณอาจไม่ถูกต้อง(x1,เสื้อ,...,xk,เสื้อ)

หนึ่งในข้อยกเว้นนี้เป็นกรณีที่ตัวแปรที่ไม่อยู่กับที่จะถูกรวมเข้าด้วยกัน หากมีการรวมกันเชิงเส้นตรงระหว่างแบบไม่คงที่และตัวทำนายที่เป็นแบบนิ่งค่าสัมประสิทธิ์โดยประมาณนั้นถูกต้องYเสื้อ

คำแนะนำเหล่านี้มีเอกสิทธิ์เฉพาะบุคคลหรือไม่? นักวิเคราะห์ที่สมัครจะดำเนินการอย่างไร


เมื่อคุณพูดถึงตัวแปรที่ไม่อยู่นิ่งคุณคิดอยู่ในใจแบบไหน?
mpiktas

คำตอบ:


2

การอ่านข้อความ SAS ของฉันสอดคล้องกับ Hyndman และ Athansopoulos

ในระยะสั้น: ไปกับ Hyndman และ Athansopoulos

สองย่อหน้าแรกของข้อความ SAS ดูเหมือนจะพูดถึงการถดถอยโดยไม่ใช้ ARMA ใด ๆ

ย่อหน้าสุดท้ายของข้อความ SAS ดูเหมือนจะสอดคล้องกับวรรคสุดท้ายของ Hyndman และ Athansolpoulos

เกี่ยวกับความคิดเห็น: "การใช้งานที่ไม่รับประกัน [ของ differencing] สามารถสร้างเรื่องไร้สาระทางสถิติ / เศรษฐศาสตร์"

ฉันเดาว่านี่จะแตกต่างกันเมื่อไม่มีหน่วยรูท

เกี่ยวกับความคิดเห็น: "ในขณะที่ซีรีส์ดั้งเดิมแสดงให้เห็นว่าไม่คงที่ - แบบนี้ไม่จำเป็นต้องหมายความว่าต้องมีความแตกต่างในโมเดลเชิงสาเหตุ"

ฉันคิดว่านี่เป็นไปตามวรรคสองของ Hyndman และ Athansopoulos

โปรดทราบว่าจนถึงตอนนี้เราเพิ่งพูดถึงความแตกต่างที่ไม่ใช่ฤดูกาล นอกจากนี้ยังมีความแตกต่างตามฤดูกาล มีการทดสอบสำหรับสิ่งนี้เช่น OCSB, HEGY และ Kunst (1997) ฉันจำได้ว่าดี. ออสบอร์นเคยเขียนว่ามันเป็นการดีที่จะแตกต่างกันตามฤดูกาลเมื่อซีรีย์เวลาเป็น "บนยอดเขา"

ดังนั้นโดยสรุปนี่ควรเป็นแนวทางของคุณ:

  1. มีตัวแปรแบบรวมหรือไม่
    • ถ้าใช่แล้วสิ่งเหล่านั้นไม่ควรแตกต่าง
  2. ทำให้ตัวแปรที่ไม่ถูกรวมเข้าด้วยกันอยู่กับที่นิ่ง

3

อ้างอิงจากเดวิดไจล์ส "ถ้าการทดสอบที่คุณเคยทดสอบความนิ่ง / ไม่คงที่ทำให้คุณได้ข้อสรุปที่ผิดการทำทุกอย่างแตกต่างเป็นวิธีอนุรักษ์นิยม แต่ค่อนข้างปลอดภัยในการดำเนินการคุณไม่ล้มเหลวโดยไม่เจตนา เพื่อให้เห็นความแตกต่างของตัวแปรที่เป็น I (1) "ต้นทุน" ของการทำเช่นนั้นมีความสำคัญในทางกลับกันตัวแปรที่แท้จริงคือ I (0) มีค่าใช้จ่ายค่อนข้างต่ำโดยไม่จำเป็น http://davegiles.blogspot.com/2015/04/question-from-reader.html

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