回帰における遅延従属変数の包含

遅れた従属変数を回帰モデルに含めることが合法かどうかについて、私は非常に混乱しています。基本的に、このモデルがYの変化と他の独立変数との関係に焦点を当てている場合、右側に遅延従属変数を追加すると、他のIVの前の係数がYの前の値から独立していることを保証できます。

LDVを含めると、他のIVの係数が下方にバイアスされると言う人もいます。シリアル相関を減らすことができるLDVを含めることができると言う人もいます。

私は、この質問がどのような回帰の観点からかなり一般的であることを知っています。しかし、私の統計知識は限られており、時間の経過に伴うYの変化が焦点である場合、回帰モデルに遅延従属変数を含めるべきかどうかを判断するのは本当に困難です。

時間の経過に伴うYの変化に対するXの影響に対処する他のアプローチはありますか？DVとしてもさまざまな変化スコアを試しましたが、その状況でのRの2乗は非常に低いです。

モデルに遅延従属変数を含めるという決定は、実際には理論的な問題です。DVの現在のレベルが過去のレベルによって大きく決定されることが予想される場合、遅延DVを含めることは理にかなっています。その場合、遅延DVを含めないと、変数バイアスが省略され、結果が信頼できなくなる可能性があります。遅延DVを含むこのようなシナリオでは、多くの分散が取り除かれ、他のDVの効果がそれほど重要ではなくなる可能性があります（つまり、が小さくなり、標準エラーが大きくなります）。しかし、それがあなたにできることは、あなたの結果にまだ影響を与えるそれらのIVは、DVの過去の価値をコントロールする効果があるということです。これに対する代替アプローチは、期間結果変数の差を使用することです$\beta$$t$そしての期間のためのあなたのDVとして。$t-1$$t$

ただし、これらのいずれかを行うことは、重要な質問に答えることを意味します。DVの適切な遅延構造は何ですか？さまざまなラグ値について、結果変数とそれ自体との相関関係（たとえば、YとY、YとYなどの相関関係）を観察することで、これに関する情報を取得できます。$t-1$$t-2$

次の2つの記事をお勧めします。

1. Achen CH（2001）遅延従属変数が他の独立変数の説明力を抑制できる理由（リンク）
2. Keele、L. and Kelly NJ（2005）動的理論の動的モデル：遅延従属変数のインとアウト（リンク）。

結果として、遅延従属変数を含めると、残りの変数の係数に大きな影響を与える可能性があります。これは適切な場合もあり（KeeleとKellyの動的モデル）、そうでない場合もあります。他の人が言ったように、モデル化されているプロセスについて考えることが重要です。

遅延従属変数を含めると、モデルの仕様の誤りから生じる自己相関の発生を減らすことができます。したがって、遅延従属変数を考慮することは、モデル内の自己相関の存在を防御するのに役立ちます。過去の値は、モデル内の現在に影響を与え、理論的な基礎を必要とし、必要に応じてモデルを最適に適合させます。

この質問について興味をそそられるのは、モデルの仕様やモデルの推定手法について詳しく知らないことです。IVで遅延DVを使用することは理論的には重要であり、方法論的に必要かもしれませんが、変数と時間単位の実質的な関係、およびARにも応じて、モデルに危険な量の内生を導入する可能性があるため、モデルに存在する可能性のある順序。あなたと私たちが変数と推定の詳細を持っている場合を除き、インストゥルメンタル変数テクニックやArellano-Bond推定のようなものを考えていない限り、DVの遅れを推奨するのは快適ではありません。

詳細について教えてください。どのようなモデルについて話しているのかをよりよく知ることができます。

はい、小さなTラージN状況でのニッケルバイアスに注意する必要があります（Nickell、S.（1981）。固定効果を持つ動的モデルのバイアス。Econometrica：Journal of the Econometric Society、1417-1426。）

Arellano-BondやBlundell-Bondの推定量などの動的パネルデータモデルをご覧ください。