Re: [問題] 為什麼跑AR時 可以不考慮correlationꨠ…
: ※ 引述《liton (歐吉桑留學生)》之銘言:
: : 在跑Crosssection Regression的時候
: : X=alpha+a*Y+b*Z
: : 自變數之間的相關性相當重要的問題
: : corr(Y,Z)
: : 但是在跑AR時
: : X=alpha+a*X(-1)+b*X(-2)
: : 為何就沒有相關性的問題?
: 你沒有看時間數列的書吧?
: 時間數列怎麼會沒考慮相關性呢?
: autocorrelation coefficient function(ACF)和
: partial autocorrelation coefficient function(PACF)
: 都是用來衡量時間數列資料值之間的相關性呀!
: 而且AR model類似數學上的遞迴方程式.
: model本身就是建基於資料值之間有很強的"自我"相關性而建模的.
: 建議你看一下時間序列分析的相關書籍,
: 你的問題自然引刃而解.
這些該念的我都念過了
我是對Time Series 和Cross Section的不同處理方式有疑問
在CrossSection中X=alpha+a*Y+b*Z
Y和Z的相關性很高的話
我們會用instrument variables等方法來處理
但在AR中X=alpha+a*X(-1)+b*X(-2) 如果ACF和PACF很高的話
我們反倒覺得變數自己的遞迴性很高
用該變數自己的歷史資料便可預測下一期的X
那這樣不就代表Corr[X,X(-1)]或Corr[X,X(-2)]會很高
在Cross Section中 這是個很嚴重的問題
但在Time Series中 這怎反倒變成是一個很好的性質?
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 59.115.53.251
※ 編輯: liton 來自: 59.115.53.251 (02/11 12:30)
討論串 (同標題文章)