面板数据的中断时间序列分析

机器算法验证 时间序列 有马 面板数据 干预分析
2022-04-01 14:41:15

我熟悉使用带有 ARIMA 误差的回归来模拟中断的时间序列，以估计由政策干预引起的幅度变化。这些模型似乎是为单个时间序列设计的，因此如果分析多个时间序列，则必须分别为每个时间序列拟合模型。

我有兴趣分析政策干预对国家的影响，该政策的实施在所有（八个澳大利亚）州中都错开实施。我可以在这里看到三种可能的分析方法：

  1. 为每个状态拟合一个单独的 ARIMA 模型
  2. 尝试拟合一个总体国家模型，可能有一个虚拟变量表示部分实施，另一个表示完全实施
  3. 找到一个在面板数据上显式工作的不同模型。这有望在无池化方法 1 和完全池化方法 2 之间带来某种折衷。

您会在这里推荐哪种方法？

1个回答

我会确定干预的真实日期，即使用干预检测方案分别为每个州完全实现干预的时间。由于前效应或后效应（延迟），真实日期（事实上）通常与“已知日期”（法律上）不同。使用一个通用的 ARIMA 模型和一个从事实日期构建的复合干预变量，然后我将全局估计所有参数，即。ARIMA 系数和国家影响。复合干预变量的系数将反映国家效应。在进行此全局估计时，您需要确保第二个状态下第一个读数的预测/拟合值不受第一个状态的最新读数的影响。例如，如果 ARIMA 模型是 AR(12)，则每个状态的前 12 个期望值将是 12 个观察值，因此会产生 12 个零误差。具有此内置功能的商业软件很少见，但可用。

其它你可能感兴趣的问题
上一篇如何分析具有天花板效应的数据？ 下一篇曲线下面积比较