異なる頻度の回帰

単純な回帰を実行しようとしていますが、Y変数は月次頻度で観察され、x変数は年次頻度で観察されます。さまざまな頻度の回帰に使用できる適切なアプローチに関するガイダンスを本当に感謝します。

どうもありがとうございました

次の3つの可能性があります。状況に応じて、どれでも適しています。

1. 時間の集約または分解。

これはおそらく、たとえば、合計、平均、または期末の値を取得することによって、高頻度データ（月次）を年次データに変換する最も単純なアプローチです。もちろん、低頻度（年次）データは、補間手法を使用して月次データに変換できます。たとえば、Chow-Linプロシージャを使用します。tempdisaggこのためのパッケージを参照すると役立つ場合があります：http : //cran.r-project.org/web/packages/tempdisagg/index.html。

2. Mi（xed）da（ta）s（ampling）（MIDAS）。

Eric Ghyselsによって一般化されたMidas回帰は、2番目のオプションです。ここには2つの主なアイデアがあります。1つ目は周波数調整です。2つ目は、適切な多項式を指定して、次元の呪いに取り組むことです。無制限のMIDASモデルは、モデルのクラス内から最も単純で、通常の最小二乗法で推定できます。パッケージのR使用にこれらのモデルを実装する詳細と方法については、httpmidasr：//mpiktas.github.io/midasr/を参照してください。についてはMATLAB、Ghyselsのページを参照してください：http : //www.unc.edu/~eghysels/。

3. カルマンフィルターメソッド。

これは、低周波データをNAを含むものとして扱い、カルマンフィルターを使用してそれらを埋める状態空間モデリングアプローチです。これは私の個人的な好みですが、正しい状態空間モデルを指定することは困難です。

これらの方法の長所と短所の詳細については、Jennie Bai、Eric Ghysels、Jonathan H. Wright（2013）による状態空間モデルとMIDAS回帰を参照してください。