Tôi cần dự báo 4 biến sau cho đơn vị thời gian thứ 29. Tôi có dữ liệu lịch sử khoảng 2 năm, trong đó 1 và 14 và 27 là cùng một khoảng thời gian (hoặc thời gian trong năm). Cuối cùng, tôi đang thực hiện phân tách kiểu Oaxaca-Blinder trên , , và .w d w c p
time W wd wc p
1 4.920725 4.684342 4.065288 .5962985
2 4.956172 4.73998 4.092179 .6151785
3 4.85532 4.725982 4.002519 .6028712
4 4.754887 4.674568 3.988028 .5943888
5 4.862039 4.758899 4.045568 .5925704
6 5.039032 4.791101 4.071131 .590314
7 4.612594 4.656253 4.136271 .529247
8 4.722339 4.631588 3.994956 .5801989
9 4.679251 4.647347 3.954906 .5832723
10 4.736177 4.679152 3.974465 .5843731
11 4.738954 4.759482 4.037036 .5868722
12 4.571325 4.707446 4.110281 .556147
13 4.883891 4.750031 4.168203 .602057
14 4.652408 4.703114 4.042872 .6059471
15 4.677363 4.744875 4.232081 .5672519
16 4.695732 4.614248 3.998735 .5838578
17 4.633575 4.6025 3.943488 .5914644
18 4.61025 4.67733 4.066427 .548952
19 4.678374 4.741046 4.060458 .5416393
20 4.48309 4.609238 4.000201 .5372143
21 4.477549 4.583907 3.94821 .5515663
22 4.555191 4.627404 3.93675 .5542806
23 4.508585 4.595927 3.881685 .5572687
24 4.467037 4.619762 3.909551 .5645944
25 4.326283 4.544351 3.877583 .5738906
26 4.672741 4.599463 3.953772 .5769604
27 4.53551 4.506167 3.808779 .5831352
28 4.528004 4.622972 3.90481 .5968299
Tôi tin rằng có thể được xấp xỉ bởi cộng với lỗi đo lường, nhưng bạn có thể thấy rằng luôn vượt quá đáng kể số lượng đó vì lãng phí, lỗi xấp xỉ hoặc trộm cắp.p ⋅ w d + ( 1 - p ) ⋅ w c W
Đây là 2 câu hỏi của tôi.
Suy nghĩ đầu tiên của tôi là thử tự động vectơ trên các biến này với 1 độ trễ và biến thời gian và thời gian ngoại sinh, nhưng đó có vẻ là một ý tưởng tồi với số lượng dữ liệu tôi có. Có phương pháp chuỗi thời gian nào (1) hoạt động tốt hơn khi đối mặt với "số lượng vi mô" và (2) sẽ có thể khai thác liên kết giữa các biến không?
Mặt khác, các mô-đun của giá trị riêng cho VAR đều nhỏ hơn 1, vì vậy tôi không nghĩ rằng tôi cần phải lo lắng về việc không cố định (mặc dù thử nghiệm Dickey-Fuller cho thấy khác). Các dự đoán dường như chủ yếu phù hợp với các dự đoán từ một mô hình đơn biến linh hoạt với xu hướng thời gian, ngoại trừ và , thấp hơn. Các hệ số trên độ trễ có vẻ hợp lý, mặc dù chúng không đáng kể đối với hầu hết các phần. Hệ số xu hướng tuyến tính là đáng kể, cũng như một số người giả thời kỳ. Tuy nhiên, có bất kỳ lý do lý thuyết nào để thích cách tiếp cận đơn giản hơn so với mô hình VAR này không?p
Tiết lộ đầy đủ: Tôi đã hỏi một câu hỏi tương tự trên Statalist mà không có câu trả lời.