29 번째 시간 단위에 대해 다음 4 가지 변수를 예측해야합니다. 대략 2 년 분량의 기록 데이터가 있으며 여기서 1과 14와 27은 모두 같은 기간 (또는 연도)입니다. 결국, 나는 , w d , w c 및 p 에서 Oaxaca-Blinder 스타일 분해를 하고 있습니다. 있습니다.
time W wd wc p
1 4.920725 4.684342 4.065288 .5962985
2 4.956172 4.73998 4.092179 .6151785
3 4.85532 4.725982 4.002519 .6028712
4 4.754887 4.674568 3.988028 .5943888
5 4.862039 4.758899 4.045568 .5925704
6 5.039032 4.791101 4.071131 .590314
7 4.612594 4.656253 4.136271 .529247
8 4.722339 4.631588 3.994956 .5801989
9 4.679251 4.647347 3.954906 .5832723
10 4.736177 4.679152 3.974465 .5843731
11 4.738954 4.759482 4.037036 .5868722
12 4.571325 4.707446 4.110281 .556147
13 4.883891 4.750031 4.168203 .602057
14 4.652408 4.703114 4.042872 .6059471
15 4.677363 4.744875 4.232081 .5672519
16 4.695732 4.614248 3.998735 .5838578
17 4.633575 4.6025 3.943488 .5914644
18 4.61025 4.67733 4.066427 .548952
19 4.678374 4.741046 4.060458 .5416393
20 4.48309 4.609238 4.000201 .5372143
21 4.477549 4.583907 3.94821 .5515663
22 4.555191 4.627404 3.93675 .5542806
23 4.508585 4.595927 3.881685 .5572687
24 4.467037 4.619762 3.909551 .5645944
25 4.326283 4.544351 3.877583 .5738906
26 4.672741 4.599463 3.953772 .5769604
27 4.53551 4.506167 3.808779 .5831352
28 4.528004 4.622972 3.90481 .5968299
나는 를 p ⋅ w d + ( 1 − p ) ⋅ w c 더하기 측정 오차 로 근사 할 수 있다고 생각 하지만 낭비, 근사 오차 또는 도난으로 인해 W가 항상 그 양을 초과한다는 것을 알 수 있습니다 .
여기 2 가지 질문이 있습니다.
내 첫 번째 생각은 1 개의 지연과 외생 시간 및 기간 변수를 사용하여 이러한 변수에 대한 벡터 자동 회귀를 시도하는 것이었지만 데이터가 거의 없기 때문에 나쁜 생각처럼 보입니다. (1) "미세 수"에 비해 성능이 우수하고 (2) 변수 사이의 연결을 이용할 수있는 시계열 방법이 있습니까?
다른 한편으로, VAR에 대한 고유 값의 계수는 모두 1보다 작으므로 비정규성에 대해 걱정할 필요가 없다고 생각합니다 (Dickey-Fuller 테스트는 그렇지 않다고 제안합니다). 예측은 와 p를 제외하고 시간 추세가있는 유연한 일 변량 모델의 예측과 대부분 일치합니다. . 지연에 대한 계수는 대부분 합리적이지는 않지만 대부분 합리적으로 보입니다. 기간 추세의 일부와 마찬가지로 선형 추세 계수가 중요합니다. 여전히 VAR 모델보다이 간단한 접근 방식을 선호해야하는 이론적 인 이유가 있습니까?