作者liton (欧吉桑留学生)
看板Statistics
标题Re: [问题] 为什麽跑AR时 可以不考虑correlationꨠ…
时间Sun Feb 11 12:01:10 2007
: ※ 引述《liton (欧吉桑留学生)》之铭言：
: : 在跑Crosssection Regression的时候
: : X=alpha+a*Y+b*Z
: : 自变数之间的相关性相当重要的问题
: : corr(Y,Z)
: : 但是在跑AR时
: : X=alpha+a*X(-1)+b*X(-2)
: : 为何就没有相关性的问题?
: 你没有看时间数列的书吧?
: 时间数列怎麽会没考虑相关性呢?
: autocorrelation coefficient function(ACF)和
: partial autocorrelation coefficient function(PACF)
: 都是用来衡量时间数列资料值之间的相关性呀!
: 而且AR model类似数学上的递回方程式.
: model本身就是建基於资料值之间有很强的"自我"相关性而建模的.
: 建议你看一下时间序列分析的相关书籍,
: 你的问题自然引刃而解.
这些该念的我都念过了
我是对Time Series 和Cross Section的不同处理方式有疑问
在CrossSection中X=alpha+a*Y+b*Z
Y和Z的相关性很高的话
我们会用instrument variables等方法来处理
但在AR中X=alpha+a*X(-1)+b*X(-2) 如果ACF和PACF很高的话
我们反倒觉得变数自己的递回性很高
用该变数自己的历史资料便可预测下一期的X
那这样不就代表Corr[X,X(-1)]或Corr[X,X(-2)]会很高
在Cross Section中 这是个很严重的问题
但在Time Series中 这怎反倒变成是一个很好的性质?
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 59.115.53.251
※ 编辑: liton 来自: 59.115.53.251 (02/11 12:30)