আমি কীভাবে সময় সিরিজ অবরুদ্ধ করব?

14

আমি কীভাবে সময় সিরিজ অবরুদ্ধ করব? কেবল প্রথম পার্থক্য নেওয়া এবং ডিকি ফুলার পরীক্ষা চালানো কি ঠিক আছে, এবং যদি এটি স্থির হয় তবে আমরা ভাল?

আমি অনলাইনেও পেয়েছি যে স্টাটাতে করে আমি সময় সিরিজটিকে অবনতি করতে পারি:

reg lncredit time
predict u_lncredit, residuals
twoway line u_lncredit time
dfuller u_lncredit, drift regress lags(0)

সময় ধারাবাহিক অবতরণ জন্য সেরা পদ্ধতির কি?

— user58710
সূত্র

কোডটি নন-স্টাটা ব্যবহারকারীদের পক্ষে মোটামুটি স্বচ্ছ হতে পারে তবে নোট করুন যে অবনতি হ'ল সময়ত লিনিয়ার রিগ্রেশন থেকে অবশিষ্টাংশের সাথে কাজ করা।

— নিক কক্স

8

ট্রেন্ডটি যদি ডিস্ট্রিমেন্টিক হয় (উদাহরণস্বরূপ লিনিয়ার ট্রেন্ড) আপনি ট্রেন্ডিস্ট্যানিক ট্রেন্ডের (যেমন একটি ধ্রুবক প্লাস টাইম ইনডেক্স) ডেটার একটি রিগ্রেশন চালাতে পারেন ট্রেন্ডটি অনুমান করতে এবং এটি ডেটা থেকে সরিয়ে ফেলতে। ট্রেন্ডটি যদি স্টোকাস্টিক হয় তবে আপনার প্রথমে ভিন্নতা নিয়ে সিরিজটি অবনমিত করা উচিত।

ADF পরীক্ষা এবং KPSS পরীক্ষা আপনি কিনা তা নির্ধারণ করতে প্রবণতা নির্ণায়ক বা সম্ভাব্যতার সূত্রাবলি হয় কিছু তথ্য দিতে পারেন।

যেহেতু কেপিএসএস পরীক্ষার নাল হাইপোথিসিসটি এডিএফ পরীক্ষার নলের বিপরীত, তাই এগিয়ে যাওয়ার নিম্নলিখিত উপায়টি আগেই নির্ধারণ করা যেতে পারে:

ধারাটি স্থির বা কোনও ট্রেন্ডের মধ্যে স্থিতিশীল তা নাল পরীক্ষা করতে কেপিএসএস প্রয়োগ করুন। যদি নালটি প্রত্যাখ্যান করা হয় (তাৎপর্যের একটি পূর্বনির্ধারিত স্তরে) সিদ্ধান্তে পৌঁছে যে প্রবণতাটি স্টোকাস্টিক, অন্যথায় পদক্ষেপ 2 এ যান।
একটি ইউনিট মূল বিদ্যমান যে নাল পরীক্ষা করতে ADF পরীক্ষা প্রয়োগ করুন। যদি নাল হাইপোথিসিসটি প্রত্যাখ্যান করা হয়, তবে সিদ্ধান্ত নিন যে কোনও ইউনিট রুট (স্টেশনারিটি) নেই, অন্যথায় পদ্ধতির ফলাফল তথ্যমূলক নয় কারণ পরীক্ষাগুলির কোনওটিই নাল অনুমানকে প্রত্যাখ্যান করে না। সেক্ষেত্রে ইউনিট মূলের অস্তিত্ব বিবেচনা করা এবং প্রথম মতপার্থক্য গ্রহণ করে সিরিজটি অবনমিত করা আরও সতর্কতা হতে পারে।

কাঠামোগত সময় সিরিজের মডেলগুলির প্রসঙ্গে আপনি একটি স্থানীয় স্তরের মডেল বা কোনও স্থানীয়-ট্রেন্ডের মডেলটিকে ডেটাতে ফিট করতে পারেন ট্রেন্ডটির অনুমানের জন্য এবং এটি সিরিজ থেকে অপসারণ করতে। স্থানীয় প্রবণতা মডেলটি নিম্নলিখিত হিসাবে সংজ্ঞায়িত করা হয়েছে (স্থানীয়-স্তরের মডেলটি দিয়ে প্রাপ্ত হয় ): $\sigma^2_\zeta=0$

\begin{array}{rcl} \begin{aligned} পর্যবেক্ষণ সিরিজ: & Y_{টি} = μ_{টি} + + γ_{টি} + + ε_{টি}, & ε_{টি} ~ জাতীয় পরিচয়পত্র (0, σ_{ε}^{2}); \\ সুপ্ত স্তর: & μ_{টি} = μ_{টি - 1} + + β_{টি - 1} + + ξ_{টি}, & ξ_{টি} ~ জাতীয় পরিচয়পত্র (0, σ_{ξ}^{2}); \\ সুপ্ত ড্রিফট: & β_{টি} = β_{টি - 1} + + ζ_{টি}, & ζ_{টি} ~ জাতীয় পরিচয়পত্র (0, σ_{ζ}^{2}); \end{aligned} \end{array}

$\begin{eqnarray} \begin{array}{rll} \hbox{observed series:} & y_t = \mu_t + \gamma_t + \epsilon_t , & \epsilon_t \sim \hbox{NID}(0,\, \sigma^2_\epsilon) ; \\ \hbox{latent level:} & \mu_t = \mu_{t-1} + \beta_{t-1} + \xi_t , & \xi_t \sim \hbox{NID}(0,\, \sigma^2_\xi) ; \\ \hbox{latent drift:} & \beta_t = \beta_{t-1} + \zeta_t , & \zeta_t \sim \hbox{NID}(0,\, \sigma^2_\zeta) ; \\ \end{array} \end{eqnarray}$

— javlacalle
সূত্র

3

এডিএফ এবং কেপিএসএস পরীক্ষাগুলিতে প্রচুর অনুমান রয়েছে যা ফলস্বরূপ মিথ্যা সিদ্ধান্তে মেলে না। পালস আউটলিয়ার ইত্যাদির অভাব, আরিমা কাঠামোর উপস্থিতি, সময়ের বিভিন্নতা ত্রুটির বৈচিত্র ইত্যাদি উপস্থিতি কয়েকটি অনুমান মাত্র। আমার মতে এগুলি দৃ stud়তার সাথে এড়ানো উচিত এবং আপনার দ্বিতীয় পরামর্শটি কার্যকর করা উচিত যেখানে মেমরি এবং ডামি সূচকগুলির উপযুক্ত সংমিশ্রণ নির্বাচন করা হয়।

— আইরিশস্ট্যাট

1

স্ট্রাকচারাল ব্রেকগুলির কথাও উল্লেখ করবেন না যা বাস্তবে কিছুই না থাকাকালীন কোনও ইউনিট মূল নির্দেশ করার জন্য টেস্টগুলি পেতে পারে! সেক্ষেত্রে একটি ইউনিট মূল পরীক্ষা যা অন্তঃসত্ত্বা কাঠামোগত বিরতির জন্য অনুমতি দেয় তা ব্যবহার করা যেতে পারে।

— প্লিসকেইন

আমি এটি বলব না যে ইউনিট রুট পরীক্ষাগুলিতে প্রচুর অনুমান রয়েছে তবে আমি সম্মত হই যে আমাদের অবশ্যই সতর্কতা অবলম্বন করা উচিত কারণ স্তরের শিফট বা কাঠামোগত বিরতির উপস্থিতি এই পরীক্ষাগুলির সাথে ভুল সিদ্ধান্ত নিতে পারে। উদাহরণস্বরূপ, আমরা এখানে ইতিমধ্যে আলোচনা করেছি যে নীল সময় সিরিজটি বিভিন্ন স্থানে অনুসরণ করা অনুশীলন সত্ত্বেও আলাদা হওয়ার প্রয়োজন হয় না। পেরোন দ্বারা নিবন্ধিত (1989) একনোমেট্রিকা খণ্ডে প্রকাশিত । 57 এই ক্ষেত্রের মধ্যে প্রকাশিত কাগজপত্র সংখ্যা দ্বারা সাক্ষ্য হিসাবে, এই ইস্যু সম্পর্কে একটি বড় উদ্বেগ ছিল।

— javlacalle

আপনার অন্য উত্তরে এখানে stats.stackexchange.com/questions/107551/… আপনি পরিবর্তে এডিএফ পরীক্ষা দিয়ে শুরু করার পরামর্শ দিন। শেষ পর্যন্ত এটি বিভিন্ন উপসংহারে নিয়ে যায় যদি এডিএফের উত্তরটি নালকে প্রত্যাখ্যান করে এবং কেপিএসএস উত্তরটি নালকে প্রত্যাখ্যান করে।

— ছাত্র 1

1

@ ছাত্র 1 যখন একটি ইউনিট মূল উপস্থিত থাকে তখন বাদ দেওয়ার পরিণতি যেমন ইউনিট মূলের উপস্থিতি বিবেচনা করার চেয়ে প্রক্রিয়াটি বাস্তবে স্থির থাকে তত বেশি বিপজ্জনক, আমরা যখন স্থিতিশীলতার হাইপোথিসিসকে প্রত্যাখ্যান করার সুযোগ পাই সেখানে অগ্রাধিকার দিতে পারি প্রক্রিয়াটি স্থির থাকাকালীন একক রুট পরিবর্তে একক রুটকে প্রত্যাখ্যান করে। ক্রম কেপিএসএস-এডিএফ, এই অর্থে, একটি নিরাপদ পদ্ধতির।

— জাভালাকলে

2

এটিকে স্থির করে তোলার লক্ষ্যে আপনার কাছে সময়-সিরিজকে অবনমিত করার বিভিন্ন উপায় রয়েছে:

লিনিয়ার অবক্ষয় হ'ল আপনি যা অনুলিপি করেছেন। আপনি নির্বিচারে একটি নির্জনবাদী রৈখিক প্রবণতাটি ঠিক করার কারণে এটি আপনি যা চান তা দিতে পারে না।
চতুষ্কোণিক অবক্ষয় কিছু ক্ষেত্রে লিনিয়ার অবক্ষয়ের সাথে সমান হয়, আপনি "সময় add 2" যুক্ত করেন এবং ব্যাক্তিগত-ধরণের আচরণ অনুমান করে।
হড্রিক এবং প্রেসকোট (1980) থেকে এইচপি-ফিল্টার আপনাকে এই সিরিজের অ-নিরবচ্ছিন্ন দীর্ঘমেয়াদী উপাদানটি বের করতে দেয়। অবশিষ্টাংশগুলি এইভাবে চক্রীয় উপাদান। সচেতন থাকুন যেহেতু এটি একটি সর্বোত্তম ওজন গড়ে, তাই এটি এন্ডপয়েন্ট পয়েন্টে ভুগছে (প্রথম এবং শেষ 4 টি পর্যবেক্ষণ ভুলভাবে অনুমান করা হয়েছে))
বাক্সটার এবং কিং (১৯৯৫) এর ব্যান্ডপাস ফিল্টার যা চলন গড় গড় ফিল্টার যেখানে আপনি উচ্চ এবং নিম্ন ফ্রিকোয়েন্সি বাদ দেন।
ক্রিশ্চিয়ানো-ফিটজগারেল ফিল্টার।

সংক্ষেপে, এটি আপনার অভিপ্রায়টি কী তার উপর নির্ভর করে এবং কিছু ফিল্টার অন্যদের তুলনায় আপনার প্রয়োজনের জন্য আরও ভাল উপযুক্ত হতে পারে।

— user89073
সূত্র

"যখনই দুটি উপায়ে কিছু করা যায়, তখন কেউ বিভ্রান্ত হয়ে পড়বে" " (এটি ফিল্টার / বর্ণালী বিশ্লেষণের উপর নয়, তবে আমার নিজের অপ্রতুলতার উপরে একটি মন্তব্য)) ডিএসপি.এস - তে কেন- এতগুলি -পদ্ধতি-গণনা- পিএসডি কেন তাও দেখুন।

— ডেনিস

1

সম্ভবত একাধিক প্রবণতা আছে। সম্ভবত একটি স্তর স্থানান্তর আছে। সময়ের সাথে সাথে ত্রুটির বৈকল্পিক পরিবর্তন হয়েছে যে কোনও ক্ষেত্রে একটি সাধারণ ডি-ট্রেন্ডিং অনুপযুক্ত হতে পারে। Http://www.unc.edu/~jbhill/tsay.pdf এর লাইন ধরে ভাল অনুসন্ধান বিশ্লেষণগুলি ডেটা / মডেলের প্রকৃতি আবিষ্কার করতে ব্যবহার করা উচিত।

— IrishStat
সূত্র

0

আমি একক স্পেকট্রাম বিশ্লেষণটি একবার দেখার পরামর্শ দিই। এটি একটি ননপ্যারমেট্রিক কৌশল যা সময়কালের জন্য পিসিএ হিসাবে দেখা যায়। দরকারী বৈশিষ্ট্যগুলির মধ্যে একটি হ'ল এটি কার্যকরভাবে সিরিজটিকে ডি-ট্রেন্ড করতে পারে।

— ভ্লাদিস্লাভস ডোভগ্যালিক্স
সূত্র

0

আপনার এই বিষয়টি যত্ন সহকারে গবেষণা করা দরকার এবং এখানেই শুরু করতে পারেন।

http://www.stat.pitt.edu/stoffer/tsa3/

আপনি যে মুখ্য বিষয়টির সন্ধান করছেন তা হ'ল স্থিরতা বা অ-স্থানহীনতা কারণ বেশিরভাগ পরিসংখ্যানগত পরীক্ষাগুলি ধরে নেওয়া হয় যে ডেটাগুলি সাধারণত বিতরণ করা হয়। এটিকে স্থির করার জন্য ডেটা রুপান্তর করার বিভিন্ন উপায় রয়েছে। ডেট্রেন্ডিং অন্যতম একটি পদ্ধতি তবে কিছু ধরণের অ-স্থির ডেটাগুলির জন্য অনুপযুক্ত।

যদি ডেটা ট্রেন্ড সহ এলোমেলো হাঁটা হয় তবে আপনাকে ভিন্নতা ব্যবহার করতে হতে পারে।

যদি ডেটা মৌসুমী বা প্রবণতা থেকে অন্য বিচ্যুতি নিয়ে একটি নির্বিচার ট্রেন্ড দেখায় তবে আপনাকে অবনতি দিয়ে শুরু করা উচিত।

আপনাকে বিভিন্ন পদ্ধতির সাথে পরীক্ষা করতে হতে পারে।

— ফ্রেড কলবর্ন
সূত্র