※ 引述《[email protected] (老怪物)》之銘言： : 標 題: Re: [問題] 為什麼跑AR時 可以不考慮correlationꨠ… : 發信站: 無名小站 (Sun Feb 11 19:40:15 2007) : 轉信站: ptt!Group.NCTU!grouppost!Group.NCTU!wretch : : ※ 引述《[email protected] (哪個王八蛋一天上十九次됩》之銘言： : > ※ 引述《liton (歐吉桑留學生)》之銘言： : > : 這些該念的我都念過了 : > : 我是對Time Series 和Cross Section的不同處理方式有疑問 : > : 在CrossSection中X=alpha+a*Y+b*Z : > : Y和Z的相關性很高的話 : > : 我們會用instrument variables等方法來處理 : 你弄錯了吧? : : 除非你的 Z 指誤差項. : 我說的沒錯 如果我發現Y和Z的相關性相當高 除了我將Z去除之外 另一個方法是找一個和Z相關性很高 卻和Y相關性很低的變數來取代Y 這個變數便是IV 在Campbell & Mankiw, Journal of Business & Economic Static, July 1990 (Table2, P272) 也是用這方法來處理的 : > : 但在AR中X=alpha+a*X(-1)+b*X(-2) 如果ACF和PACF很高的話 : > : 我們反倒覺得變數自己的遞迴性很高 : > : 用該變數自己的歷史資料便可預測下一期的X : > : 那這樣不就代表Corr[X,X(-1)]或Corr[X,X(-2)]會很高 : > : 在Cross Section中 這是個很嚴重的問題 : > : 但在Time Series中 這怎反倒變成是一個很好的性質? : > 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, 為甚麼只考慮不完整的 AR, 然後又 : 搞個工具變數出來? 用 ARMA model 去計算會比較差嗎? 我想您還是誤會我的意思了 我的重點不在IV(請看前一篇) 而是在cross section和time series中 對於解釋變數之間的相關性有不同的觀念 我不是指我不用完整的ARMA model去計算 但就算用ARMA做出模型的error term沒有自我相關的問題 但是自變數彼此間的自我相關的問題還是在 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 59.115.53.251