对数差异时间序列模型是否优于增长率?


12

我经常看到作者估计“对数差异”模型,例如

log(yt)log(yt1)=log(yt/yt1)=α+βxt

我同意这是恰当的关联在变化的百分比而为。xtytlog(yt)I(1)

但是对数差异是一个近似值,似乎无需对数转换也可以估算一个模型,例如

yt/yt11=(ytyt1)/yt1=α+βxt

此外,增长率将精确地描述百分比变化,而对数差异将仅近似于百分比变化。

但是,我发现对数差异法的使用频率更高。实际上,使用增长率似乎与解决第一个差异一样适合解决平稳性问题。实际上,我发现将对数变量转换回级别数据时,预测会变得有偏差(在文献中有时称为重新转换问题)。yt/yt1

与增长率相比,使用对数差异有什么好处?增长率转换是否存在任何固有问题?我猜想我遗漏了一些东西,否则更频繁地使用该方法似乎很明显。


谢谢您的意见。我同意对称性和边界是一个重大优势。似乎边界将有助于控制异方差性,对称性将有助于保持均值恒定。
史密斯A. Smith

1
对数差不是近似值。它是持续复合指数增长率,而不是周期增长率。他们是不同的东西。外行对第二种方法的理解更好,但第一种方法的数学属性更清晰(例如,平均增长率只是增长率的平均值,产品增长率是增长率的总和,等等)。关于预测的一点是要么导致爆炸性预测的不必要转换,要么是中值无偏但不是均值无偏,这很好。它与连续速率与周期速率无关。
克里斯·豪格

Answers:


12

对数差的一个主要优点是对称:如果您今天的对数差为,明天的对数差为,那么您将从开始的地方回来。相反,今天10%的增长和明天10%的下降不会使您回到初始值。0.10.1


8
对称/边界是我看到的主要优点。从100到10的log10差为-1,但为-90%。从100到1000的对数差也为1,但为900%。线性模型将特别关注该900%的观察结果。
zbicyclist '16

3

许多宏观经济指标与人口增长呈指数关系,因此人口本身呈指数趋势。因此,使用ARIMA,VAR或其他线性方法进行建模之前的过程通常是:

  • 取日志以得到具有线性趋势的序列
  • 然后求差得到平稳的级数
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.