다차원 시계열을 이용한 개입 분석


11

시간이 지남에 따라 주류 판매에 대한 정책 결정 결과를 수량화하기 위해 개입 분석을 수행하고 싶습니다. 그러나 시계열 분석에 익숙하지 않으므로 초보자 질문이 있습니다.

문헌을 조사한 결과 다른 연구자들은 ARIMA를 사용하여 알코올의 시계열 판매량을 모형화했으며, 회귀 변수로 더미 변수를 사용하여 중재 효과를 모델링 한 것으로 나타났습니다. 이것이 합리적인 접근 방법 인 것처럼 보이지만, 내 데이터 세트는 내가 문헌에서 인용 한 것보다 약간 더 풍부합니다. 먼저, 내 데이터 세트는 음료 유형 (예 : 맥주, 와인, 주류)별로 분류 된 다음 지리적 영역별로 더 분리됩니다.

분리 된 각 그룹에 대해 별도의 ARIMA 분석을 생성 한 다음 결과를 비교할 수는 있지만 여기에 더 나은 접근 방법이 있다고 생각합니다. 다차원 시계열 데이터에 더 익숙한 사람이 일부 포 이너 또는 제안을 제공 할 수 있습니까?

답변:


9

개입을위한 더미 변수가있는 ARIMA 모델은 ARIMA 오류가있는 선형 모델의 특수한 경우입니다.

음료 유형 및 지리적 영역에 대한 요인을 포함하여 더 풍부한 선형 모델을 사용하여 동일한 작업을 수행 할 수 있습니다.

R에서는 xreg 인수를 통해 포함 된 회귀 변수와 함께 arima ()를 사용하여 모형을 추정 할 수 있습니다. 불행히도 더미 변수를 사용하여 요인을 코딩해야하지만 그렇지 않은 경우 비교적 간단합니다.


6

음료 유형 판매를 벡터 [t에서 와인 판매, t에서 맥주 판매, t에서 영혼 판매]로 모델링하려면 VAR (Vector Autoregression) 모델을보고 싶을 수 있습니다. 와인, 맥주 및 주류 시퀀스와 함께 지역 및 정책 개입 더미와 같은 외생 변수가있는 VARX 품종을 원할 것입니다. 그것들은 적합하기에 매우 간단하며 외인성 충격의 영향을 나타내는 임펄스 응답 기능을 얻을 수 있습니다. 다변량 시계열에 대한 Lütkepohl의 책에서 포괄적 인 토론이 있습니다.

마지막으로, 나는 확실히 경제학자는 아니지만 당신은 레벨뿐만 아니라 이러한 음료 유형의 비율에 대해서도 생각할 것 같습니다. 사람들은 아마도 예산을 책정하여 제약을 받고 작동합니다. 필자는 알고 있습니다. 레벨을 결합하고 오류를 상관시킵니다.


3

각 시계열은 유사한 시리즈를 수집하여 유사 / 공통 구조를 갖는 그룹 또는 섹션으로 그룹화하는 궁극적 인 아이디어로 개별적으로 평가되어야합니다. 시계열 데이터는 지정되지 않은 위치에서 알려지지 않은 결정 론적 구조에 의해 개입 될 수 있기 때문에 개입이 실제로 영향을 미치는 위치를 찾기 위해 개입 감지를 수행하는 것이 좋습니다. 법이 특정 시점 (법률)에서 시행되었다는 것을 알고 있다면 실제로는 실제로 개입이 발생한 날짜가 아닐 수도 있습니다. 시스템은 알려진 효과 날짜 이전에 또는 비준수 또는 비 응답으로 인해 날짜 이후에도 응답 할 수 있습니다. 개입 날짜를 지정하면 모델 사양 바이어스가 발생할 수 있습니다. Google의 "중재 감지"또는 "이탈 감지"를 권장합니다. 이에 대한 좋은 책은 Addison-Wessley가 출판 한 Temple University의 Wei 교수가 쓴 것입니다. 제목이 "시계열 분석"이라고 생각합니다. 추가로 중재 변수는 펄스 또는 레벨 / 스텝 시프트 또는 계절 펄스 또는 로컬 시간 추세로 나타날 수 있습니다.

현지 시간 추세에 대한 토론이 확대됨에 따라

1,2,3,4,5,7,9,11,13,15,16,17,18,19를 나타내는 시리즈를 보유하고 있다면 5 기 및 10 기의 추세에 변화가있었습니다. 나에게 시계열의 주요 질문은 레벨 시프트의 검출, 예를 들어 1,2,3,4,5,8,9,10, 또는 레벨 시프트의 다른 예 1,1,1,1,2입니다. , 2,2,2, AND / OR 또는 타임 트렌드 감지. 펄스가 단계의 차이 인 것처럼 단계는 추세의 차이입니다. 중재 탐지 이론을 4 차원, 즉 트렌드 포인트 변경으로 확장했습니다. openess와 관련하여 ARIMA 및 전달 함수 모델과 함께 이러한 중재 탐지 체계를 구현할 수있었습니다. 저는 이러한 기능을 통합 한 AUTOBOX 개발에 협력해온 시니어 시계열 통계 학자 중 한 사람입니다. 나는이 흥미로운 혁신을 프로그램 한 다른 사람을 모른다.


Local Time Trend중재 변수가 어떻게 보이는지 좀 더 자세히 설명해 주 시겠습니까? 나는 다른 세 가지에 익숙하다.
fmark

또한 개입 탐지를 수행 할 수있는 R 패키지를 알려주시겠습니까?
fmark

1
1,2,3,4,5,7,9,11, ...을 나타내는 시리즈가있는 경우, 기간 5에서 추세가 변경되었습니다. 시계열의 주요 질문은 레벨 시프트의 감지입니다. 레벨 시프트 (1,1,1,1,2,2,2,2) 및 / 또는 타임 트렌드 (time trend)의 검출의 또 다른 예는 1,2,3,4,5,8,9,10 ,.
IrishStat

외부 회귀 분석을 사용하여 시계열에서 개입을 어떻게 찾을 수 있습니까? 회귀자가 개입을 설명하지 않는다는 것을 어떻게 알 수 있습니까?
Frank

Y의 개입이 X의 영향 이후 발견되고 이력이 Y 이력 인 경우 외부 회귀 자와의 이상 / 펄스로 선언됩니다.
IrishStat
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.