회귀에 지연 종속 변수 포함

지연된 종속 변수를 회귀 모델에 포함시키는 것이 합법적인지에 대해 매우 혼란스러워합니다. 기본적 으로이 모델이 Y와 다른 독립 변수의 변화 사이의 관계에 초점을 맞춘다면 오른쪽에 지연 종속 변수를 추가하면 다른 IV 이전의 계수가 Y의 이전 값과 독립적임을 보장 할 수 있습니다.

일부는 LDV의 포함이 다른 IV의 계수를 하향 편향시킬 것이라고 말한다. 일부는 직렬 상관 관계를 줄일 수있는 LDV를 포함 할 수 있다고 말합니다.

나는이 질문이 어떤 종류의 회귀에있어서 매우 일반적이라는 것을 알고있다. 그러나 통계 지식이 제한되어 있으며 초점이 시간이 지남에 따라 Y의 변화 일 때 지연 종속 변수를 회귀 모델에 포함시켜야하는지 파악하기가 정말 어렵습니다.

시간이 지남에 따라 Y의 변화에 ​​대한 X의 영향을 다루는 다른 접근법이 있습니까? DV와 다른 변화 점수를 시도했지만 그 상황에서 R 제곱은 매우 낮습니다.

모델에 지연 종속 변수를 포함시키는 결정은 실제로 이론적 인 질문입니다. DV의 현재 레벨이 과거 레벨에 의해 크게 결정될 것으로 예상되는 경우 지연된 DV를 포함하는 것이 좋습니다. 이 경우 지연 DV를 포함하지 않으면 가변 바이어스가 생략되고 결과가 신뢰할 수 없습니다. 지연된 DV를 포함한 이러한 시나리오에서는 많은 차이가 발생하고 다른 DV의 효과가 덜 중요해질 수 있습니다 (즉, 작게하고 표준 오류를 크게 만듭니다). 그러나 당신이 할 수있는 일은 여전히 ​​당신의 결과에 영향을 미치는 IV가 DV의 과거 가치를 통제하는 효과가 있다는 것입니다. 이에 대한 대안은 기간 에서 결과 변수 간의 차이를 사용하는 것입니다.$\beta$$t$및 주기위한 당신의 DV로$t-1$$t$

$t-1$$t-2$

두 가지 기사를 추천합니다.

1. Achen CH (2001) 지연 종속 변수가 다른 독립 변수의 설명력을 억제 할 수있는 이유 ( link )
2. Keele, L. and Kelly NJ (2005) 동적 이론에 대한 동적 모델 : 지연 종속 변수의 시작과 끝 ( link ).

결과적으로 지연 종속 변수를 포함하면 나머지 변수의 계수에 큰 영향을 줄 수 있습니다. 때로는 이것이 (켈레와 켈리의 다이나믹 모델에) 적합하고 때로는 그렇지 않습니다. 다른 사람들이 말했듯이 모델링되는 프로세스에 대해 생각하는 것이 중요합니다.

지연 종속 변수를 포함하면 모형의 잘못된 사양으로 인해 발생하는 자기 상관의 발생을 줄일 수 있습니다. 따라서 지연 종속 변수를 고려하면 모형에 자기 상관의 존재를 방어하는 데 도움이됩니다. 과거 값은 모형의 현재에 영향을 미치고 이론적 기초가 필요하며 필요에 따라 모형을 가장 잘 맞 춥니 다.

이 질문에 대해 흥미로운 점은 모델의 사양이나 모델의 추정 기술에 대해 더 많이 알지 못하는 것입니다. IV 사이에 지연 DV를 사용하는 것이 이론적으로 중요하고 방법 론적으로 필요할 수 있지만, 변수와 시간 단위 사이의 실질적인 관계와 AR에 따라 모델에 위험한 양의 내인성 (endongeneity)을 초래할 수도 있습니다. 모델에 존재할 수있는 순서. 당신과 우리가 변수와 추정에 대해 더 자세히 설명하지 않는 한, 도구 변수 기술이나 Arellano-Bond 추정과 같은 것을 생각하지 않는 한 DV 지연을 권장하는 것이 불편합니다.

어떤 모델에 대해 더 잘 알 수 있도록 자세한 내용을 알려주십시오.

예, 작은 T 대 N 상황에서 Nickell 편향에주의해야합니다 (Nickell, S. (1981). 고정 효과가있는 동적 모델의 Biases. Econometrica : Journal of the Econometric Society, 1417-1426).

Arellano-Bond 또는 Blundell-Bond 추정기와 같은 Dynamic Panel Data 모델을 살펴볼 수 있습니다.