সময়-সিরিজের একোমেট্রিকগুলিতে মাইক্রোকোনোমেট্রিক্স বনাম গ্রেঞ্জার কার্যকারিতা Ca

আমি মাইক্রোকোনমিক্সে ব্যবহৃত কার্যকারিতা (বিশেষত চতুর্থ বা রিগ্রেশন বিচ্ছিন্নতা নকশা) এবং টাইম-সিরিজ ইকোনোমেট্রিক্সে গ্র্যানার কার্যকারিতা হিসাবে ব্যবহৃত হিসাবে বুঝতে পারি। আমি কীভাবে একজনকে একে অপরের সাথে সম্পর্কিত করব? উদাহরণস্বরূপ, আমি উভয় পদ্ধতির প্যানেল ডেটার জন্য ব্যবহৃত হচ্ছে দেখেছি ( , )। এই বিষয়ে কাগজপত্রের যে কোনও রেফারেন্স প্রশংসা করা হবে। $N=30$ $T=20$

— user227710
সূত্র

বিশেষত প্যানেল তথ্যের জন্য, দুমিত্রেস্কু / হুরলিন (২০১২) দ্বারা গ্রানজার (অ-) কার্যকারিতা পরীক্ষার একটি এক্সটেনশন রয়েছে: ভিন্নজাতীয় প্যানেলগুলিতে গ্রেঞ্জার অ-কার্যকারিতার জন্য পরীক্ষা করা, অর্থনৈতিক মডেলিং, ২০১২, খণ্ড। 29, সংখ্যা 4, 1450-1460।

— হেলিক্স 123

বলুন আপনার কাছে দুটি ভেক্টর রয়েছে তারপরে গ্রেঞ্জারের কারণ নয় যদি , অর্থাৎ পূর্বাভাস সহায়তা করতে পারে না । সুতরাং গ্র্যাঞ্জার "কার্যকারিতা" শব্দটি কিছুটা বিভ্রান্তিকর কারণ কারণ যদি একটি ভেরিয়েবল অন্য চলক পূর্বাভাসে কার্যকর হয় তবে এটি বোঝায় না যে আসলে কারণ করে । উদাহরণস্বরূপ হ্যানসেন (2014) (পৃষ্ঠা 319) এ আলোচনা দেখুন।

\begin{aligned} F_{1, t} & = (y_{t}, y_{t - 1}, y_{t - 2}, . . .) \\ F_{2, t} & = (y_{t}, z_{t}, y_{t - 1}, z_{t - 1}, . . .) \end{aligned}

$\begin{align} F_{1,t} &= (y_t, y_{t-1}, y_{t-2},...) \newline F_{2,t} &= (y_t, z_t, y_{t-1}, z_{t-1},...) \end{align}$

z_{t}

$z_t$

y_{t}

$y_t$

E (y_{t} | F_{1, t - 1}) = E (y_{t} | F_{2, t - 1})

$E(y_t | F_{1,t-1}) = E(y_t | F_{2,t-1})$

z_{t}

$z_t$

y_{t}

$y_t$

A

$A$

B

$B$

A

$A$

B

$B$

বোকা উদাহরণ হিসাবে, সকালে সূর্য ওঠার ঠিক আগে মোরগটি কাক ডেকে দেবে। যদি আপনি মুরগির কাক এবং সূর্য ওঠার সিরিজটিতে কোনও গ্রেঞ্জার কার্যকারিতা পরীক্ষা পরিচালনা করেন তবে আপনি দেখতে পাবেন যে মোরগের কাক সূর্যের উত্থান ঘটায়। তবে তখন এটি সত্যিকারের কার্যকারণীয় সম্পর্ক হতে পারে না। আমি এই উদাহরণটিকে "বোকা" হিসাবে লেবেল করার কারণটি হাও ইয়ের দ্বারা পরিষ্কার মন্তব্যে সরবরাহ করা হয়েছে। উদাহরণটি উদাহরণস্বরূপ কার্যকরভাবে কার্যকর হয় যে কোনও ইভেন্ট গ্রেঞ্জারের কারণ হতে পারে অন্য কারণ হতে পারে তবে এটি আসলে এই অর্থে নয় যে অণুজীববিজ্ঞানীরা কারণকে বোঝেন।

মাইক্রোকোনোমেট্রিক্সে কার্যকারিতা মূলত ডোনাল্ড রুবিনের সম্ভাব্য ফলাফল কাঠামোর উপর ভিত্তি করে ( অ্যাঞ্জিস্ট, ইম্বেন্স এবং রুবিন (১৯৯ 1996) দেখুন )। প্রশ্নটি থেকে মনে হয় আপনি বেশিরভাগ ক্ষতিকারক একনোমেট্রিক্স পড়েছেন, তাই আমি ধরে নিয়েছি যে চতুর্থ, ডিফারেন্স-ইন-ডিফারেন্স, ম্যাচিং বা রিগ্রেশন বিচ্ছিন্নতার নকশাগুলির প্রাক্কলনের মতো বিভিন্ন পদ্ধতির কী ধরণের কার্যকারণ প্রভাবের সাথে আপনি পরিচিত। যেভাবেই হোক, গ্র্যাঞ্জার কার্যকারিতা সত্যিকারের কার্যকারিতা নয় এই সাধারণ সত্যতার জন্য কার্যকারণ প্রভাবগুলি এবং গ্রেঞ্জার কার্যকারিতা অনুমানের এই মাইক্রোকোনোমেট্রিক পদ্ধতির মধ্যে কোনও সরাসরি যোগসূত্র নেই।

ফারাক-ইন-ডিফারেন্সের (ডিআইডি) সাম্প্রতিক অ্যাপ্লিকেশনগুলিতে চিকিত্সার প্রত্যাশিত বা পিছিয়ে থাকা প্রভাব রয়েছে কিনা তা নির্ধারণে গ্রেঞ্জার কার্যকারিতা সম্পর্কে ধারণা ব্যবহার করা হয়। সাধারণ ডিডি মডেলের জন্য যা আপনি বেশিরভাগ ক্ষয়ক্ষতিহীন একনোমেট্রিক্স (অধ্যায় 5, পৃষ্ঠা 237) এ সন্ধান করতে পারেন: যেখানে এই উদাহরণে সূচকের , এবং রেস্টুরেন্ট, রাজ্য এবং সময় জন্য হয়, যেহেতু একটি ডামি ব্যবহারকারীকে নিয়ন্ত্রণের গ্রুপ রেস্টুরেন্ট চিকিত্সার পরে এক সমান। বিভিন্ন রাজ্যে বিভিন্ন সময়ে পরিবর্তনগুলি দেওয়া , আপনি অতীতে whether কিনা পরীক্ষা করতে পারবেন

Y_{i s t} = γ_{s} + λ_{t} + β D_{s, t} + X_{i s t}^{'} π + ϵ_{i s t}

$Y_{ist} = \gamma_s + \lambda_t + \beta D_{s,t} + X'_{ist}\pi + \epsilon_{ist}$

i

$i$

s

$s$

t

$t$

D_{s t}

$D_{st}$

D_{s t}

$D_{st}$

D_{s t}

$D_{st}$ ভবিষ্যতের না করলেও ফলাফল সম্পর্কে ভবিষ্যদ্বাণী করা । ধারণাটি হ'ল যদি আগাম প্রভাব থাকে তবে সাধারণ ডিএডি সেটিংয়ে অনুমানিত চিকিত্সার প্রভাবটি মোট প্রভাবটির কম-অনুমান করবে। তেমনি সময়ের সাথে সাথে চিকিত্সার প্রভাবের বিবর্ণতাও আকর্ষণীয় হতে পারে। আপনি ও এবং করে যথাক্রমে মডেলটিতে প্রত্যাশিত এবং পিছিয়ে থাকা চিকিত্সার প্রভাবগুলি ক্যাপচার করবেন তা নির্ধারণ করতে পারেন: এই একটি অ্যাপ্লিকেশন দ্বারা একটি গবেষণায় ব্যবহার নিম্নোক্ত পৃষ্ঠাগুলি আপনার পাঠ্যপুস্তক সরবরাহ করা হয় Autor (2003)

D_{s t}

$D_{st}$

K

$K$

M

$M$

Y_{i s t} = γ_{s} + λ_{t} + \sum_{m = 0}^{M} β_{- m} D_{s, t - m} + \sum_{k = 1}^{K} β_{+ k} D_{s, t + k} + X_{i s t}^{'} π + ϵ_{i s t}

$Y_{ist} = \gamma_s + \lambda_t + \sum^{M}_{m=0}\beta_{-m} D_{s,t-m} + \sum^{K}_{k=1}\beta_{+k} D_{s,t+k} + X'_{ist}\pi + \epsilon_{ist}$ অস্থায়ী শ্রমিকদের সংস্থাগুলির ব্যবহারের ক্ষেত্রে কর্মসংস্থান রক্ষার বৃদ্ধির প্রত্যাশিত / পিছিয়ে থাকা প্রভাবগুলির মূল্যায়ন করেছেন।

এই ধারণাটি কোফেইঞ্জঞ্জির উত্তরে তৈরি যুক্তি তুলে ধরে। যখন আমরা ইতিমধ্যে বিশ্বাসযোগ্যভাবে এই পয়েন্টটি তৈরি করতে পারি যে কার্যকারণ প্রভাব রয়েছে, আমরা অ্যান্টারের (2003) এর মতো প্রভাবটিকে আরও অন্বেষণ করতে গ্র্যানার কারণের ধারণাটি ব্যবহার করতে পারি। এটি প্রমাণ করতে যদিও এটি ব্যবহার করা যায় না।

— অ্যান্ডি
সূত্র

গ্রেঞ্জার কার্যকারিতার এই ব্যাখ্যার সাথে আমার একমত হতে হবে না, কারণ গ্রানারের মনে যা ছিল তা সংকীর্ণ এবং মোটেই মনে হচ্ছে না। (গ্রেঞ্জার 1980) -তে তিনি উল্লেখ করেছেন যে অনুমানযুক্ত কার্যকারক ভেরিয়েবলের নির্ভরশীল পরিবর্তনশীল সম্পর্কে অনন্য তথ্য থাকতে হবে। আপনার উদাহরণে, মোরগের ডেটা ছাড়াই সূর্যোদয়ের পূর্বাভাস দেওয়া যেতে পারে, এবং তাই মোরগের কোনও অনন্য তথ্য নেই এবং তাই কার্যকারণীয় নয়। এখানে, আমি চতুর্থকে অনুমানযুক্ত কার্যকারকের অনন্য তথ্যকে কীভাবে বিচ্ছিন্ন করতে হবে তার ঠিকানা হিসাবে দেখছি।

— হাও ইয়ে

@ অ্যান্ডি: দুর্দান্ত ব্যাখ্যার জন্য আপনাকে ধন্যবাদ (এবং দুর্দান্ত রেফারেন্স)। আপনার উত্তর গ্রহণযোগ্য হিসাবে চিহ্নিত করার আগে আমি অন্যান্য উত্তরের জন্য অপেক্ষা করব will

— ব্যবহারকারী 227710

@ হাইওয়ে আপনার মন্তব্যের জন্য ধন্যবাদ। অবশ্যই গ্রেঞ্জার কার্যকারণে কিছু যোগ্যতা রয়েছে এবং উদাহরণটি আমার পক্ষে উদ্দেশ্যমূলকভাবে "বোকা" বলা হয়েছিল। এটি একটি বিষয় তৈরি করার স্বার্থে অত্যধিক সরলতাযুক্ত তবে আমি নিশ্চিত যে কাঠামোগত কার্যকারণীয় সম্পর্ক ছাড়াই গ্রেঞ্জার কার্যকারিতার ক্ষেত্রে আরও ভাল উদাহরণ রয়েছে। @ ব্যবহারকারী 227710: আমি চিকিত্সার প্রভাবগুলির সাহিত্যে গ্রেঞ্জার কার্যকারিতার একটি প্রয়োগ পেয়েছি। আমি সেই অনুযায়ী উত্তর আপডেট করেছি।

— অ্যান্ডি

টি = ২০ দেওয়া, আমি মনে করি সিরিজ সমন্বিত হলে দীর্ঘমেয়াদী তথ্য (ত্রুটি সংশোধন শব্দ) উপেক্ষা করার কারণে বাদ দেওয়া পরিবর্তনশীল পক্ষপাতিত্ব থাকবে। আপনার উদাহরণ হিসাবে, চিকিত্সা বিভিন্ন রাজ্যে এবং বিভিন্ন সময়ে পরিবর্তিত হয় এবং যদি এই চিকিত্সা ফলাফলের সাথে একত্রিত হয়, তবে অবশ্যই আপনার গতিশীল মডেল বাদ দেওয়া পরিবর্তনশীল পক্ষপাতদুষ্টায় ভুগছে। প্রশ্নটি হ'ল চিকিত্সা, যেহেতু এটি একটি ডামি ভেরিয়েবল, তাই I (1) হিসাবে বিবেচনা করা যেতে পারে। বিকল্পভাবে, আপনি চিকিত্সা দীর্ঘমেয়াদী এবং স্বল্প-চালিত ইকনসে বহিরাগত পরিবর্তনশীল হিসাবে বিবেচনা করেন এবং কার্যকারিতা (দীর্ঘ রান এবং স্বল্প রান) অর্জন করেন

— মেট্রিক্স

ঠিক আছে, তবে এটি বলার মতো যে আমাদের কাছে সঠিক ডেটা থাকলে, যেমন প্রসূতি ছাড়াই ওএলএস কার্যকারণ অনুক্রমের জন্য উপযুক্ত। আপনি যেমন বর্ণনা করেছেন তেমন আদর্শ ডেটা সহ, জিএনসি এই উদ্দেশ্যে পুরোপুরি সূক্ষ্মভাবে কাজ করে। সমস্যাটি হ'ল আমাদের কাছে খুব কমই এই জাতীয় আদর্শ ডেটা পাওয়া যায় যার কারণেই কার্যকারণ নির্ধারণের জন্য সেই ক্ষুদ্র microণ পদ্ধতিগুলি প্রথম স্থানে তৈরি করা হয়েছিল। এখানে জিএনসির সংজ্ঞাটি স্ট্যান্ডার্ড পাঠ্যপুস্তক সংজ্ঞা এবং আমি এটিতে ডেটাতে ন্যূনতম অনুমান সহ কার্যকারিতা অনুক্রমের একটি পদ্ধতি হিসাবে কথা বলছি।

— অ্যান্ডি

আমি অ্যান্ডির সাথে পুরোপুরি একমত, এবং আমি আসলে একই রকম কিছু লেখার কথা ভাবছিলাম, তবে তখন আমি এই বিষয়টি সম্পর্কে নিজেকে ভাবতে শুরু করি। আমি মনে করি আমরা সকলেই একমত যে গ্রেঞ্জার কার্যকারিতা নিজেই সম্ভাব্য ফলাফলগুলির কাঠামোর মধ্যে বোঝা হিসাবে কার্যকারিতার সাথে খুব বেশি কিছু করতে পারে নি, কারণ গ্র্যাঞ্জার কার্যকারিতা অন্য যে কোনও কিছুর চেয়ে সময়ের অগ্রাধিকার সম্পর্কে বেশি। যাইহোক, অনুমান করা মধ্যে একটি সাধারন সম্পর্ক নেই এবং $X_t$ $Y_t$ এই অর্থে যে প্রাক্তনটি পরবর্তীকালের কারণ ঘটায় এবং ধরুন যে এটি এককালিক ব্যবধানের সাথে সাময়িক মাত্রার সাথে ঘটেছিল, বলুন। এটি হ'ল, আমরা সহজেই সম্ভাব্য ফলাফলের কাঠামোটি দুটি সময়ের সিরিজে প্রয়োগ করতে পারি এবং কার্যকারিতাটিকে এইভাবে সংজ্ঞায়িত করতে পারি। সমস্যাটি তখন হয়ে যায়: সম্ভাব্য ফলাফলের কাঠামোর ক্ষেত্রে নির্ধারিত কারণ হিসাবে গ্র্যাঞ্জার কার্যকারিতার কোনও "অর্থ" নেই, তবে কার্যকারিতাটি কি সময় সিরিজের প্রসঙ্গে গ্র্যাঞ্জার কার্যকারিতা বোঝায়?

আমি এ নিয়ে কোনও আলোচনা কখনও দেখিনি, তবে আমি মনে করি আপনি বা কোনও গবেষক যদি এর জন্য মামলা করতে চান তবে আপনাকে কিছু অতিরিক্ত কাঠামো চাপিয়ে দেওয়া দরকার। স্পষ্টতই, ভেরিয়েবলগুলির স্বচ্ছ প্রতিক্রিয়ার প্রয়োজন, অর্থাত এখানে কার্যকারণ সম্পর্ক একসাথে নয় তবে একটি ল্যাগের সাথে সংজ্ঞায়িত করা উচিত। তারপরে, আমি মনে করি, গ্র্যাঞ্জার কার্যকারিতা প্রত্যাখ্যান না করে এটি আশ্বস্ত হতে পারে। যদিও এটি কার্যকরী সম্পর্কের পক্ষে স্পষ্টভাবে কোনও প্রমাণ নয়, আপনি যদি এইরকম দাবি করে থাকেন তবে আমি জিএনসি পরীক্ষাটি বিষয়গত প্রমাণ হিসাবে গ্রহণ করবো।

— coffeinjunky
সূত্র