Có nhiều cách tiếp cận để mô hình hóa dữ liệu chuỗi thời gian tích hợp hoặc gần như tích hợp. Nhiều mô hình đưa ra các giả định cụ thể hơn các dạng mô hình tổng quát hơn, và do đó có thể được coi là trường hợp đặc biệt. de Boef và Keele (2008) làm tốt công việc đánh vần các mô hình khác nhau và chỉ ra nơi chúng liên quan đến nhau. Các đơn phương trình lỗi khái quát hóa mô hình hiệu chỉnh (GECM; Banerjee, 1993) là một trong những tốt đẹp bởi vì nó là (a) bất khả tri đối với các tính dừng / không tính dừng của các biến độc lập, (b) có thể chứa nhiều biến phụ thuộc, hiệu ứng ngẫu nhiên với , nhiều độ trễ, v.v. và (c) có các thuộc tính ước tính ổn định hơn so với các mô hình sửa lỗi hai giai đoạn (de Boef, 2001).
Tất nhiên, chi tiết cụ thể của bất kỳ lựa chọn mô hình cụ thể nào sẽ đặc biệt theo nhu cầu của các nhà nghiên cứu, vì vậy số dặm của bạn có thể thay đổi.
Ví dụ đơn giản về GECM:
Δyti=β0+βc(yt−1−xt−1)+βΔxΔxt+βxxt−1+ε
Trong đó:
là các nhà điều hành thay đổi;
hiệu ứng chạy ngắn tức thời của x trên Δ y được cho bởi β Δ x ;
tác động ngắn hạn trễ của x trên Δ y được đưa ra bởi β x - β c - β Δ x ; và các
hiệu ứng cân bằng dài hạn của x trên Δ y được cho bởi ( β c - β x ) / β c .Δ
xΔyβΔx
xΔyβx−βc−βΔx
xΔy(βc−βx)/βc
Người giới thiệu
Banerjee, A., Dolado, JJ, Galbraith, JW và Hendry, DF (1993). Đồng tích hợp, sửa lỗi và phân tích kinh tế lượng của dữ liệu không cố định . Nhà xuất bản Đại học Oxford, Hoa Kỳ.
De Boef, S. (2001). Mô hình hóa các mối quan hệ cân bằng: Các mô hình sửa lỗi với dữ liệu tự động mạnh. Phân tích chính trị , 9 (1): 78 nên94.
De Boef, S. và Keele, L. (2008). Dành thời gian nghiêm túc. Tạp chí Khoa học Chính trị Hoa Kỳ , 52 (1): 184 Tim200.