Bao gồm biến phụ thuộc trễ trong hồi quy

Tôi rất bối rối về việc có hợp lý khi đưa biến phụ thuộc bị trễ vào mô hình hồi quy hay không. Về cơ bản tôi nghĩ rằng nếu mô hình này tập trung vào mối quan hệ giữa sự thay đổi của Y và các biến độc lập khác, thì việc thêm một biến phụ thuộc bị trễ ở phía bên tay phải có thể đảm bảo rằng hệ số trước các IV khác không phụ thuộc vào giá trị trước đó của Y.

Một số người nói rằng việc đưa LDV vào sẽ làm giảm hệ số của các IV khác. Một số người khác nói rằng người ta có thể bao gồm LDV có thể làm giảm mối tương quan nối tiếp.

Tôi biết câu hỏi này khá chung chung về loại hồi quy nào. Nhưng kiến ​​thức thống kê của tôi còn hạn chế và tôi thực sự gặp khó khăn trong việc tìm hiểu xem tôi có nên đưa biến phụ thuộc bị trễ vào mô hình hồi quy hay không khi trọng tâm là sự thay đổi của Y theo thời gian.

Có cách tiếp cận nào khác để đối phó với ảnh hưởng của Xs đối với sự thay đổi của Y theo thời gian không? Tôi cũng đã thử các điểm thay đổi khác nhau như DV, nhưng R bình phương trong tình huống đó là rất thấp.

$\beta$$t$$t-1$$t$

$t-1$$t-2$

Tôi đề nghị hai bài viết:

1. Achen CH (2001) Tại sao các biến phụ thuộc bị trễ có thể triệt tiêu khả năng giải thích của các biến độc lập khác ( liên kết )
2. Keele, L. và Kelly NJ (2005) Các mô hình động cho các lý thuyết động: các biến số phụ thuộc vào các biến phụ thuộc ( liên kết ) bị trễ .

Kết quả cuối cùng là bao gồm một biến phụ thuộc bị trễ có thể có ảnh hưởng lớn đến các hệ số của các biến còn lại. Đôi khi điều này là thích hợp (đối với các mô hình Động của Keele và Kelly) và đôi khi không. Như những người khác đã nói, điều quan trọng là phải suy nghĩ về quá trình được mô hình hóa.

Bao gồm các biến phụ thuộc bị trễ có thể làm giảm sự xuất hiện của tự động tương quan phát sinh từ lỗi chính tả mô hình. Do đó, việc tính toán các biến phụ thuộc bị trễ giúp bạn bảo vệ sự tồn tại của tự động tương quan trong mô hình. Giá trị quá khứ ảnh hưởng đến hiện tại trong mô hình, đòi hỏi nền tảng lý thuyết và phù hợp nhất với mô hình theo yêu cầu.

Điều khiến tôi tò mò về câu hỏi này là không biết nhiều hơn về đặc điểm kỹ thuật của mô hình hoặc kỹ thuật ước lượng cho nó. Tôi đề cập đến điều đó bởi vì mặc dù việc sử dụng DV bị trễ trong số các IV có thể quan trọng về mặt lý thuyết và cần thiết về mặt phương pháp, nó cũng có thể đưa ra một mức độ nguy hiểm về độ bền trong mô hình, tùy thuộc vào mối quan hệ đáng kể giữa các biến và đơn vị thời gian và, cũng như trên AR thứ tự có thể tồn tại trong mô hình. Trừ khi bạn (và chúng tôi) có thêm thông tin chi tiết về các biến số và về ước tính, tôi sẽ không cảm thấy khó hiểu khi giới thiệu độ trễ DV trừ khi bạn đang nghĩ đến một số kỹ thuật biến công cụ hoặc một cái gì đó như ước tính Arellano-Bond.

Xin vui lòng, cung cấp cho chúng tôi nhiều chi tiết hơn để chúng tôi có thể biết rõ hơn về loại mô hình mà chúng tôi đang nói về.

Có, bạn nên cảnh giác với sự thiên vị của Nickell trong một tình huống T nhỏ N (Nickell, S. (1981). Xu hướng trong các mô hình động với các hiệu ứng cố định. Kinh tế lượng: Tạp chí của Hiệp hội Kinh tế lượng, 1417-1426.)

Bạn có thể muốn xem các mô hình Dữ liệu bảng động như ước tính Arellano-Bond hoặc Blundell-Bond.