使用带有ARIMA错误的回归进行推理的平稳性要求是什么?


16

使用带有ARIMA错误的回归(动态回归)进行推理的平稳性要求是什么?

具体来说,我有一个非平稳的连续结果变量,一个非平稳的连续预测变量和一个虚拟变量处理序列。我想知道治疗是否与结果变量的变化相关,该变化大于零变化之外的两个标准误差。ÿX一种Xb

我不确定在使用ARIMA错误建模进行回归之前是否需要对这些序列进行差分处理。在回答另一个问题时,IrishStat指出的是while the original series exhibit non-stationarity this does not necessarily imply that differencing is needed in a causal model.,他然后继续补充说 unwarranted usage [of differencing] can create statistical/econometric nonsense

SAS用户指南表明,它是罚款,以适应回归模型ARIMA误差的非平稳序列无差分,只要残差非平稳:

请注意,平稳性要求适用于噪声序列。如果没有输入变量,则响应序列(在求和后减去平均值)和噪声序列相同。但是,如果有输入,则噪声序列是在消除输入影响后的残差。

不需要输入序列是固定的。如果输入是不稳定的,即使噪声过程可能是固定的,响应序列也将是不稳定的。

当使用非平稳输入序列时,可以在没有ARMA模型的情况下将输入变量拟合为误差,然后在确定噪声部分的ARMA模型之前考虑残差的平稳性。

另一方面,Rob Hyndman和George Athanasopoulos断言

估计具有ARMA错误的回归的重要考虑因素是模型中的所有变量必须首先是平稳的。因此,我们首先必须检查yt和所有预测变量是否都固定。如果我们在其中任何一个都不平稳的情况下估计模型,则估计的系数可能是错误的。X1个ŤXķŤ

一个例外是非平稳变量被共同积分的情况。如果在非平稳和预测变量之间存在线性组合,则估计的系数是正确的。ÿŤ

这些建议相互排斥吗?应用分析师如何进行?


当您说非平稳变量时,您想到的是哪种非平稳性?
mpiktas 2014年

Answers:


2

我对SAS文本的阅读与Hyndman和Athansopoulos相对应。

简而言之:与Hyndman和Athansopoulos同行。

SAS文本的前两段似乎只是在讨论没有ARMA的回归。

SAS文本的最后一段似乎与Hyndman和Athansolpoulos的最后一段相对应。

关于评论:“ [不同]的不当使用会造成统计/计量经济学上的废话”

我想这是没有单位根时的区别。

关于评论:“虽然原始系列展示出非平稳性,但这并不一定意味着因果模型中需要区别对待。”

我认为这与Hyndman和Athansopoulos的第二段是一致的。

请注意,到目前为止,我们仅讨论了非季节性差异。也存在季节性差异。对此进行了测试,例如OCSB,HEGY和Kunst(1997)。我记得D. Osborne曾经写道,当时间序列处于“风口浪尖”时,最好选择季节性差异。

因此,总而言之,这应该是您的方法:

  1. 是否有任何变量是协整变量?
    • 如果是的话,那那些应该不被区别
  2. 使非协整变量平稳。

3

根据大卫·吉尔斯(David Giles)的说法,“如果您用来测试平稳性/非平稳性的测试导致您得出错误的结论,则对所有内容进行区分是一种保守但相对安全的方法。您不会无意中失败区分一个变量I(1)。这样做的“成本”很大。另一方面,不必要地区分一个实际为I(0)的变量会产生相对较低的“成本”。 http://davegiles.blogspot.com/2015/04/question-from-reader.html

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.