Uzun dönem varyans tahmin edicileri sınıfını düşünün
k γ jkk(0)=1ℓT
JT^≡γ^0+2∑j=1T−1k(jℓT)γ^j
k bir çekirdek veya ağırlıklandırma işlevidir, örnek otokovaryanslardır. , diğer şeylerin yanı sıra simetrik olmalı ve . bir bant genişliği parametresidir.
γ^jkk(0)=1ℓT
Newey & West (Econometrica 1987) Bartlett çekirdeğini
k(jℓT)={(1−jℓT)0for0⩽j⩽ℓT−1forj>ℓT−1
Hansen ve Hodrick en (Siyasi Journal Ekonomi 1980) , bir tepe bölümü kesik kernal alarak tahmin miktarları, yani, için bazı ve , aksi. Bu tahminci, Newey & West tarafından tartışıldığı gibi, Newey & West'in çekirdek tahmincisi tutarlı, ancak pozitif mat-kesin (matrisleri tahmin ederken) olduğu garanti edilmez.j ≤ M M k = 0k=1j≤MMk=0
Deneyin bir kuvvetle negatif katsayılı bir MA (1) -yöntemi için . Nüfus miktarının olduğu bilinir , ancak Hansen-Hodrick tahmincisi olmayabilir: θ J = σ 2 ( 1 + θ ) 2 > 0M=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
bu uzun vadeli bir varyans için inandırıcı bir tahmin değildir .
Newey-West tahmincisi ile bundan kaçınılmalıdır:
acf.MA1[1] + acf.MA1[2]
## [1] 0.8634806
Kullanımı sandwich
bu aynı zamanda hesaplanabilir paketi:
library("sandwich")
m <- lm(y ~ 1)
kernHAC(m, kernel = "Bartlett", bw = 2,
prewhite = FALSE, adjust = FALSE, sandwich = FALSE)
## (Intercept)
## (Intercept) 0.8634806
Ve Hansen-Hodrick tahmini şu şekilde elde edilebilir:
kernHAC(m, kernel = "Truncated", bw = 1,
prewhite = FALSE, adjust = FALSE, sandwich = FALSE)
## (Intercept)
## (Intercept) -0.4056092
Sırasıyla, doğrusal modellerin Newey-West tahmincilerini ve zaman serisinin uzun dönem varyanslarını elde etmek için kolaylık arayüzleri için NeweyWest()
ve lrvar()
buradan bakın sandwich
.
Andrews (Econometrica 1991) daha genel koşullar altında bir analiz sağlar.
Çakışan verilerle ilgili sorularınızla ilgili olarak, bir konunun nedeninin farkında olmayacağım. Geleneğin bu ortak uygulamanın kökeninde olduğundan şüpheleniyorum.