Re: [問題] 為什麼跑AR時 可以不考慮correlationꨠ…
※ 引述《yhliu.bbs@bbs.wretch.cc (老怪物)》之銘言：
: 標 題: Re: [問題] 為什麼跑AR時 可以不考慮correlationꨠ…
: 發信站: 無名小站 (Sun Feb 11 19:40:15 2007)
: 轉信站: ptt!Group.NCTU!grouppost!Group.NCTU!wretch
:
: ※ 引述《wwwwwww.bbs@ptt.cc (哪個王八蛋一天上十九次됩》之銘言：
: > ※ 引述《liton (歐吉桑留學生)》之銘言：
: > : 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
: 你弄錯了吧?
:
: 除非你的 Z 指誤差項.
:
我說的沒錯
如果我發現Y和Z的相關性相當高
除了我將Z去除之外
另一個方法是找一個和Z相關性很高 卻和Y相關性很低的變數來取代Y
這個變數便是IV
在Campbell & Mankiw, Journal of Business & Economic Static, July 1990
(Table2, P272)
也是用這方法來處理的
: > : 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?
: > Instrument variables is mainly used to deal with the difficulty
: > that the explanatory variables and error terms are correlated.
: > AR models have no such difficulty.
: > But ARMA models do have and can be treated by instrument variables.
: > For example, in the ARMA(1,1) case, you cannot get a consistent estimator of
: > AR coeff. by regressing x_{t} on x_{t-1}.
: > But you can get a consistent estimator of the AR coff. by regressing
: > x_{t} on x_{t-2}. Now x_{t-2} is the instrument variable.
:
: 既然是 ARMA model, 為甚麼只考慮不完整的 AR, 然後又
: 搞個工具變數出來? 用 ARMA model 去計算會比較差嗎?
我想您還是誤會我的意思了 我的重點不在IV(請看前一篇)
而是在cross section和time series中
對於解釋變數之間的相關性有不同的觀念
我不是指我不用完整的ARMA model去計算
但就算用ARMA做出模型的error term沒有自我相關的問題
但是自變數彼此間的自我相關的問題還是在
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 59.115.53.251
討論串 (同標題文章)
完整討論串 (本文為第 6 之 11 篇)：