時系列回帰における適切なラグ数をどのように決定すればよいでしょうか。


7

経済モデルの推定に時系列データを使用しています。私はエラー訂正モデルのための適切な遅れを決定したい( ECM )モデルなど。確認できます AIC 、SCおよびHQ基準を決定して適切な遅れを決定する。しかし、私はそれから始めなければならないという最大の遅れについてはよくわかりません。年次、四半期、および月次の時系列の最大ラグとは何ですか。

ARDL、VAR、VECMなど他の計量経済学的アプローチを使用した場合、最大ラグは変更されますか?

回答:


5

私はエラー修正モデル(ECM)の設定に特有のアドバイスはありませんが、学部の応用計量経済学クラスでは、当てはめモデルの残差が連続的に相関しなくなるまでモデルの遅れを延ばすための一般的なアドバイスをくれました。たとえば、米国の平均余命データでは、男性の平均余命の残差はAR(5)モデルでは相関関係がありませんが、AR(4)モデルでは相関していません。次のStataコードでこれを確認できます。

use http://www.stata-press.com/data/r8/uslifeexp.dta
tsset year, yearly
reg le_male L(1/4).le_male
estat durbinalt, small
reg le_male L(1/5).le_male
estat durbinalt, small

ベクトル誤り訂正に関するStataのドキュメント モデルも大体このアプローチに従っているようですが、それはそれの下で自動化されているように見えます varsoc さらに、AIC、HQIC、およびSBICはすべてプログラムによって生成されます。

統合をテストするか、または統合VECMを適合させるために、我々は指定しなければなりません   含めるべき遅れがいくつありますか。 Tsay(1984)の作品の上に構築された   Paulsen(1984)、Nielsen(2001)は、これらのメソッドが実装されていることを示しました。   in varsocを使用して、VARモデルのラグオーダーを次のように決定できます。   I(1)変数(9)からわかるように、   対応するVECMは常にVARより1つ小さくなります。 vecはこれを作る   自動的に調整されます、従って私達は常にの順序を参照します   基礎となるVAR。下記の出力は遅れを決定するのにvarsocを使用します   ダラスの平均住宅価格のVARの順序   ヒューストン……

Hannan – Quinnは、この2変量モデルに2つのラグを使用します。   情報量基準(HQIC)法、シュワルツベイズ情報   基準(SBIC)法、および逐次尤度比(LR)検定すべて   出力に「*」が表示されているように、2つのラグを選択しました。

. clear all

. use http://www.stata-press.com/data/r13/txhprice

. varsoc dallas houston

   Selection-order criteria
   Sample:  1990m5 - 2003m12                    Number of obs      =       164
  +---------------------------------------------------------------------------+
  |lag |    LL      LR      df    p      FPE       AIC      HQIC      SBIC    |
  |----+----------------------------------------------------------------------|
  |  0 |  299.525                      .000091  -3.62835  -3.61301  -3.59055  |
  |  1 |  577.483  555.92    4  0.000  3.2e-06   -6.9693  -6.92326  -6.85589  |
  |  2 |  590.978  26.991*   4  0.000  2.9e-06*  -7.0851* -7.00837* -6.89608* |
  |  3 |  593.437   4.918    4  0.296  2.9e-06  -7.06631  -6.95888  -6.80168  |
  |  4 |  596.364  5.8532    4  0.210  3.0e-06  -7.05322   -6.9151  -6.71299  |
  +---------------------------------------------------------------------------+
   Endogenous:  dallas houston
    Exogenous:  _cons

@GraemeWalshが示唆するように、あなたが使用したい場合は 自己回帰分散ラグ方法論 (ARDL)自分でコーディングしなくても可能です。

use http://www.stata-press.com/data/r13/txhprice
sort t
net install ardl.pkg
ardl dallas houston,  maxlag(4)


ARDL regression
Model: level

Sample:  1990m5 - 2003m12 
Number of obs  = 164
Log likelihood = 313.86816
R-squared      = .96315461
Adj R-squared  = .96246376
Root MSE       = .03613756

------------------------------------------------------------------------------
      dallas |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
      dallas |
         L1. |    .427744   .0789194     5.42   0.000      .271886     .583602
         L2. |   .1747019   .0720507     2.42   0.016     .0324089    .3169948
             |
     houston |   .3404766   .0567884     6.00   0.000     .2283252     .452628
       _cons |   .7276476   .2061803     3.53   0.001     .3204618    1.134833
------------------------------------------------------------------------------

しながら 特定から一般へ アプローチ(残差がホワイトノイズになるまでモデル内のラグの長さを延長する)が一般的に使用されていますが、実際には、 一般から特定の David Hendryが推奨するアプローチ(より大きなモデルから始めてサイズを小さくする)。私は自分の意見ではOPに言って、ARDLを構築し、最も健全なHendryの方法論に従うと思います。
Graeme Walsh
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.