Tôi có một bộ các quan sát, độc lập với thời gian. Tôi đang tự hỏi liệu tôi có nên chạy bất kỳ bài kiểm tra tự kỷ nào không? Dường như với tôi rằng nó vô nghĩa, vì không có thành phần thời gian trong dữ liệu của tôi. Tuy nhiên, tôi thực sự đã thử kiểm tra LM tương quan nối tiếp và nó cho thấy sự tự tương quan mạnh của phần dư. Liệu no co y nghia gi? Điều tôi đang nghĩ là tôi thực sự có thể sắp xếp lại các quan sát trong tập dữ liệu của mình theo bất kỳ thứ tự nào có thể, và điều này sẽ thay đổi sự tự tương quan trong phần dư. Vì vậy, câu hỏi là - tôi có nên quan tâm đến vấn đề tự tương quan trong trường hợp này không? Và tôi có nên sử dụng Newey-West để điều chỉnh SE cho nó trong trường hợp thử nghiệm cho thấy như vậy không? Cảm ơn!
2
Bạn đã nói một cách chính xác rằng không có thành phần thời gian, phần dư của bạn không thể tương quan với nhau. Vì vậy, một thử nghiệm cho tương quan nối tiếp trong trường hợp này là không hợp lệ. Mối quan tâm phổ biến nhất trong dữ liệu cắt ngang là sự không đồng nhất hoặc tương quan không gian (ví dụ: tỷ lệ tội phạm ở thành phố A ảnh hưởng đến tỷ lệ tội phạm ở thành phố B), nhưng cả hai đều dễ dàng được sửa chữa với các tùy chọn mạnh mẽ và cụm trong Stata.
—
Andy
Hãy thử viết lại từ này mà không sử dụng thuật ngữ tương quan nối tiếp hoặc tự động tương quan. Biến phụ thuộc của mô hình hồi quy có ma trận phương sai có điều kiện, tức là có điều kiện trên các biến độc lập. Chúng tôi hy vọng rằng các phần tử đường chéo của ma trận, tức là phương sai điều kiện của các phần tử của y, sẽ khác không. Nếu mô hình có mặt cắt ngang, chúng ta có thể suy ra rằng các phần tử nằm ngoài đường chéo, tức là hiệp phương sai của các cặp phần tử của y, phải bằng không? Chắc chắn việc thiếu một diễn giải chuỗi thời gian không loại bỏ khả năng này, mặc dù nó có thể làm cho nó ít khả năng hơn?
—
Adam Bailey
... Một ví dụ như Andy gợi ý sẽ là hiệp phương sai giữa các yếu tố liên quan đến không gian. Một ví dụ phi không gian có thể là trong đó biến phụ thuộc là GNP ở các quốc gia khác nhau (cùng một lúc), trong đó hai quốc gia cách xa nhau có thể có liên kết thương mại chặt chẽ (ví dụ vì lý do lịch sử) dẫn đến hiệp phương sai không.
—
Adam Bailey
Khi dữ liệu của bạn có cụm, sự phụ thuộc cắt ngang là có thể. Bạn có thể điều chỉnh SE như @Andy đề xuất. Một lưu ý về SE mạnh mẽ cụm là SE mạnh mẽ hoạt động nếu mỗi cụm dữ liệu nhỏ và có nhiều cụm được quan sát. Tuy nhiên, nếu bạn có một vài cụm lớn, cụm SE mạnh mẽ không hợp lệ. Thật vậy, trong trường hợp cụm lớn, OLS gộp có thể không nhất quán. Bạn có thể tham khảo Andrew (2005, Kinh tế lượng) để tham khảo.
—
semibruin