※ 引述《[email protected] (老怪物)》之铭言： : 标 题: Re: [问题] 为什麽跑AR时 可以不考虑correlationꨠ… : 发信站: 无名小站 (Sun Feb 11 19:40:15 2007) : 转信站: ptt!Group.NCTU!grouppost!Group.NCTU!wretch : : ※ 引述《[email protected] (哪个王八蛋一天上十九次됩》之铭言： : > ※ 引述《liton (欧吉桑留学生)》之铭言： : > : 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 : 你弄错了吧? : : 除非你的 Z 指误差项. : 我说的没错 如果我发现Y和Z的相关性相当高 除了我将Z去除之外 另一个方法是找一个和Z相关性很高 却和Y相关性很低的变数来取代Y 这个变数便是IV 在Campbell & Mankiw, Journal of Business & Economic Static, July 1990 (Table2, P272) 也是用这方法来处理的 : > : 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? : > Instrument variables is mainly used to deal with the difficulty : > that the explanatory variables and error terms are correlated. : > AR models have no such difficulty. : > But ARMA models do have and can be treated by instrument variables. : > For example, in the ARMA(1,1) case, you cannot get a consistent estimator of : > AR coeff. by regressing x_{t} on x_{t-1}. : > But you can get a consistent estimator of the AR coff. by regressing : > x_{t} on x_{t-2}. Now x_{t-2} is the instrument variable. : : 既然是 ARMA model, 为甚麽只考虑不完整的 AR, 然後又 : 搞个工具变数出来? 用 ARMA model 去计算会比较差吗? 我想您还是误会我的意思了 我的重点不在IV(请看前一篇) 而是在cross section和time series中 对於解释变数之间的相关性有不同的观念 我不是指我不用完整的ARMA model去计算 但就算用ARMA做出模型的error term没有自我相关的问题 但是自变数彼此间的自我相关的问题还是在 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 59.115.53.251