অনুমানের জন্য আরিমা ত্রুটিগুলির সাথে রিগ্রেশন ব্যবহারের স্থিতাবস্থা প্রয়োজনীয়তাগুলি কী?

Question

অনুমানের জন্য আরিমা ত্রুটিগুলি (ডায়নামিক রিগ্রেশন) সহ রিগ্রেশন ব্যবহারের স্টেশনারিটি প্রয়োজনীয়তাগুলি কী কী?

বিশেষ করে, আমি একটি অ-নিশ্চল একটানা ফলাফল পরিবর্তনশীল আছে , একটি অ-নিশ্চল একটানা predictor পরিবর্তনশীল x একটি এবং একটি ডামি পরিবর্তনশীল চিকিত্সা সিরিজের এক্স খ । আমি জানতে চাই যে চিকিত্সা শূন্য পরিবর্তন থেকে দ্বি-মানের ত্রুটিরও বেশি দূরে থাকা ফলাফলের পরিবর্তনশীল পরিবর্তনের সাথে সম্পর্কযুক্ত কিনা।$y$$x_a$$x_b$

আরিমা ত্রুটি মডেলিংয়ের সাথে রিগ্রেশন করার আগে যদি এই সিরিজগুলিকে আলাদা করতে হয় তবে আমি নিশ্চিত নই। অন্য একটি প্রশ্নের উত্তরে আইরিশস্ট্যাট বলেছে যে while the original series exhibit non-stationarity this does not necessarily imply that differencing is needed in a causal model.তারপরে তিনি যুক্ত করে যান unwarranted usage [of differencing] can create statistical/econometric nonsense ।

এসএএস ইউজার গাইড প্রস্তাব দেওয়া এটি অ নিশ্চল সিরিজ Arima ত্রুটিযুক্ত হইয়া রিগ্রেশন মডেলের জরিমানা তাই যতদিন অবশিষ্টাংশ অ নিশ্চল হয় ডিফারেন্সিং ছাড়া হল:

নোট করুন যে স্থিরত্বের প্রয়োজনীয়তা শোনার সিরিজের জন্য প্রযোজ্য। যদি কোনও ইনপুট ভেরিয়েবল না থাকে তবে প্রতিক্রিয়া সিরিজ (ভিন্ন ভিন্ন শব্দটি বিয়োগের পরে গড় শব্দটি) এবং গোলমাল সিরিজ একই। যাইহোক, যদি ইনপুট থাকে তবে শব্দগুলি সিরিজটি ইনপুটগুলির প্রভাবটি সরানোর পরে অবশিষ্ট id

ইনপুট সিরিজটি স্থির হওয়ার দরকার নেই। যদি ইনপুটগুলি স্টেস্টেশনারি হয় তবে শব্দের প্রক্রিয়া স্থির থাকতে পারে, যদিও প্রতিক্রিয়া সিরিজটি অযৌক্তিক হবে।

যখন ননস্টেশনারি ইনপুট সিরিজ ব্যবহার করা হয়, আপনি ত্রুটিগুলির জন্য প্রথমে কোনও এআরএমএ মডেল না দিয়ে প্রথমে ইনপুট ভেরিয়েবলগুলি ফিট করতে পারেন এবং তারপরে শব্দের অংশের জন্য কোনও এআরএমএ মডেল সনাক্ত করার আগে অবশিষ্টাংশের স্থিরত্ব বিবেচনা করতে পারেন।

অন্যদিকে, রব হ্যান্ডম্যান এবং জর্জ অ্যাথানাসোপ্লোস জোর দিয়ে বলেছেন :

$(x_{1,t},\dots,x_{k,t})$

$y_t$

এই পরামর্শের টুকরা পারস্পরিক একচেটিয়া? ফলিত বিশ্লেষক কীভাবে এগিয়ে যেতে পারেন?

Comments

আপনি যখন নন-স্টেশনারি ভেরিয়েবল বলছেন, তখন আপনার কী ধরণের অ-স্টেশনারিটি মনে আছে?

— এমপিটকাস

Answer 1

আমার এসএএস পাঠ্যটি হাইডম্যান এবং অ্যাথানসোপ্লোসের সাথে মিল রয়েছে।

সংক্ষেপে: হেন্ডম্যান এবং অ্যাথেন্সোপল্লোসের সাথে যান।

এসএএস পাঠ্যের প্রথম দুটি অনুচ্ছেদে কোনও এআরএমএ ছাড়াই কেবল রিগ্রেশন সম্পর্কে কথা বলা হয়েছে।

এসএএস পাঠ্যের শেষ অনুচ্ছেদটি হেন্ডম্যান এবং অ্যাথানসোলপৌলসের শেষ অনুচ্ছেদের সাথে মিল বলে মনে হচ্ছে।

মন্তব্য সম্পর্কে: "অযাচিত ব্যবহার [ভিন্নতার সাথে] পরিসংখ্যান / একনোমেট্রিক ননসেন্স তৈরি করতে পারে"

আমি অনুমান করছি যে কোনও ইউনিট রুট না থাকলে এটি ভিন্ন হয়।

মন্তব্য সম্পর্কে: "যদিও মূল সিরিজটি অ-স্থানহীনতার প্রদর্শন করে তবে এটি অবশ্যই বোঝায় না যে কার্যকারণের মডেলটিতে পৃথকীকরণ প্রয়োজন।"

আমি মনে করি এটি হেন্ডম্যান এবং অ্যাথেন্সোপল্লোসের দ্বিতীয় অনুচ্ছেদের সাথে সামঞ্জস্যপূর্ণ।

মনে রাখবেন যে এখন পর্যন্ত আমরা কেবল অ-মৌসুমী ভিন্নতা নিয়ে আলোচনা করেছি। Existsতু বিভেদ উপস্থিত রয়েছে। ওসিএসবি, HEGY এবং কুনস্ট (1997) এর মতো পরীক্ষাগুলি রয়েছে। আমি স্মরণ করি যে ডি ওসবার্ন একবার লিখেছিলেন যে সময় সিরিজ যখন "সিএসপি উপর" থাকে তবে itতুগতভাবে পার্থক্য করা ভাল।

সুতরাং সংক্ষেপে, এটি আপনার পদ্ধতির হওয়া উচিত:

1. পরিবর্তনশীল সহ-সংহত একটি?
   • যদি হ্যাঁ, তবে সেইগুলিকে আলাদা করা উচিত নয়
2. নন-কো-ইন্টিগ্রেটেড ভেরিয়েবলগুলিকে স্থির করে তুলুন।

Answer 2

ডেভিড গাইলসের মতে, "আপনি যদি স্টাররিটি / অ-স্টেশনারিটির জন্য যে পরীক্ষাগুলি পরীক্ষা করে থাকেন সেগুলি যদি আপনাকে একটি ভুল উপসংহারে নিয়ে যায়, তবে সমস্ত কিছুকে আলাদা করা একটি রক্ষণশীল, তবে তুলনামূলকভাবে নিরাপদ উপায়। আপনি অজান্তেই ব্যর্থ হবেন না একটি পরিবর্তনশীল যা আমি (1) এর পার্থক্য করতে পারি so এটি করার "ব্যয়গুলি" যথেষ্ট পরিমাণে the অন্যদিকে, অযৌক্তিকভাবে একটি চলককে পৃথক করে যা আসলে আমি (0) তুলনামূলকভাবে কম "ব্যয়" করে। http://davegiles.blogspot.com/2015/04/question-from-reader.html