장기 분산 추정기 클래스 고려
K는커널 또는 가중 함수는 γ의 j는샘플 autocovariances이다. k는 무엇보다도 대칭이어야하고k(0)=1이어야합니다. ℓT는 대역폭 파라미터이다.
JT^≡γ^0+2∑j=1T−1k(jℓT)γ^j
kγ^jkk ( 0 ) = 1ℓ티
Newey & West (Econometrica 1987) 는 Bartlett 커널
k(jℓT)={(1−jℓT)0for0⩽j⩽ℓT−1forj>ℓT−1
한센 & Hodrick의 (정치의 저널 경제 1980) 복용으로 추정 금액 잘린 커널 인, 즉, 에 대한 J ≤ M 일부 M 과 K = 0 , 그렇지 않으면. 이 추정기는 Newey & West에서 논의한 바와 같이 일관성이 있지만 긍정적 인 반 정적 (매트릭스 추정시)임을 보장하지는 않지만 Newey & West의 커널 추정기는 보장되지 않습니다.k=1j≤MMk=0
음의 계수 θ 를 갖는 MA (1)-프로세스에 대해 을 시도하십시오 . 모집단 수량은 J = σ 2 ( 1 + θ ) 2 > 0 으로 알려져 있지만 Hansen-Hodrick 추정기는 다음과 같지 않을 수 있습니다. M=1θJ=σ2(1+θ)2>0
set.seed(2)
y <- arima.sim(model = list(ma = -0.95), n = 10)
acf.MA1 <- acf(y, type = "covariance", plot = FALSE)$acf
acf.MA1[1] + 2 * acf.MA1[2]
## [1] -0.4056092
이것은 장기 분산에 대한 설득력있는 추정치가 아닙니다 .
이것은 Newey-West 추정기로 피할 수 있습니다.
acf.MA1[1] + acf.MA1[2]
## [1] 0.8634806
sandwich
패키지를 사용하여 다음 과 같이 계산할 수도 있습니다.
library("sandwich")
m <- lm(y ~ 1)
kernHAC(m, kernel = "Bartlett", bw = 2,
prewhite = FALSE, adjust = FALSE, sandwich = FALSE)
## (Intercept)
## (Intercept) 0.8634806
Hansen-Hodrick 추정치는 다음과 같이 얻을 수 있습니다.
kernHAC(m, kernel = "Truncated", bw = 1,
prewhite = FALSE, adjust = FALSE, sandwich = FALSE)
## (Intercept)
## (Intercept) -0.4056092
선형 모델 및 장기 시계열의 장기 편차 각각에 대한 Newey-West 추정값을 얻기 위해 편의 인터페이스에 대해서는 NeweyWest()
and lrvar()
를 참조하십시오 sandwich
.
Andrews (Econometrica 1991) 는보다 일반적인 조건에서 분석을 제공합니다.
중복되는 데이터에 관한 귀하의 서브 질문에 대해서는 주제와 관련된 이유를 알지 못합니다. 나는 전통이이 일반적인 관행의 근원에 있다고 생각합니다.