Bir zaman serisinde bir analiz birimini (toplama düzeyi) nasıl seçersiniz?

Bir zaman dizisini zamanın herhangi bir kesinlik düzeyinde ölçebilirseniz ve çalışmanın amacı X ve Y arasındaki bir ilişkiyi tanımlamaksa, bir başkasına göre belirli bir toplama düzeyini seçmek için ampirik bir gerekçe var mı, yoksa teori ve / veya pratik sınırlamalara dayanarak seçim yapılabilir mi?

Bu ana soruya üç alt sorum var:

1. Daha büyük bir seviye içinde X veya Y'de herhangi bir rastgele olmayan varyasyon daha küçük bir toplama seviyesi seçmek için yeterli bir neden midir?

2. Daha küçük bir toplama seviyesinde X ve Y arasındaki ilişkide herhangi bir değişiklik, daha küçük analiz birimini haklı çıkarmak için yeterli bir gerekçe midir? Bazı varyasyonlar kabul edilebilirse, ne kadar varyasyonun çok fazla olduğuna nasıl karar verilir?

3. İnsanlar, ampirik nedenlerle veya teorik nedenlerle bir analiz birimi için diğerine göre zorlayıcı / iyi tanımlandığını düşündükleri iddiaları belirtebilirler mi?

Mekansal analizde değiştirilebilir alan birimi probleminin farkındayım ( Openshaw 1984 ). Malzeme konusunda uzman olduğunu iddia etmiyorum, ancak şimdiye kadar düşüneceğim tek şey, daha küçük bir analiz biriminin her zaman daha iyi olduğu, çünkü ekolojik bir yanlışlık yapma olasılığı daha düşük ( Robinson 1950 ). Eğer birimin coğrafi birimlerine ilişkin doğrudan ilgili bir referansı veya cevabı varsa, bu yanıtı da takdir ediyorum.

Giriş

Konuya ilgim şu anda yaklaşık 7 yıldır ve doktora tezi ile sonuçlandı Zaman dizisi: AR (1) şeması için belirli bir kesit ayrıştırma problemine dikkat çekilen toplama, ayrışma ve uzun bellek .

Veri

Toplamaya farklı yaklaşımlarla çalışmak, açıklığa kavuşturmanız gereken ilk soru ne tür verilerle uğraştığınızdır (tahminim mekansal, en heyecan verici olanıdır). Uygulamada zamansal toplama (bakınız Silvestrini, A. ve Veridas, D. (2008) ), kesitsel ( Granger, CWJ (1990) tarafından yazılan makaleye bayıldım ) veya hem zaman hem de alan (mekansal toplama güzel incelenmiştir) içinde Giacomini R. ve Granger, CWJ (2004) ).

Cevaplar (uzun)

Şimdi, sorularınızı cevaplayarak, önce kaba bir sezgi yerleştirdim. Uygulamada karşılaştığım problemler genellikle yanlış verilere dayandığı için (Andy'nin varsayımı

zamandaki herhangi bir hassasiyet düzeyinde bir zaman serisi gözlemini ölçebilirsiniz

makro-ekonometri için çok güçlü görünüyor, ancak finansal ve mikro-ekonometri veya herhangi bir deneysel alan için iyi görünüyor, hassasiyeti oldukça iyi kontrol ettiniz mi? yıllık veriler. En sık makroekonomide daha sık zaman serilerinin yanı sıra, mevsimsel desenlere sahiptir , bu da sahtesonuçlar (mevsimsel parçalar seri ile ilişkili değildir), bu nedenle verilerinizi mevsimsel olarak ayarlamanız gerekir - daha yüksek frekanslı veriler için daha küçük bir hassasiyet kaynağı. Kesitsel verilerle çalışmak, yüksek düzeyde ayrışmanın muhtemelen başa çıkacak pek çok sıfır ile daha fazla sorun getirdiğini ortaya koymuştur. Örneğin, veri panelindeki belirli bir hane 5-10 yılda bir araba satın alabilir, ancak yeni (kullanılmış) arabalara yönelik toplam talep çok daha yumuşaktır (küçük bir kasaba veya bölge için bile).

En zayıf nokta toplama her zaman bilgi kaybıyla sonuçlanır, GSYİH'nin tüm on yıl boyunca AB ülkelerinin kesiti tarafından üretilmesini sağlayabilirsiniz (2001-2010 dönemi), ancak ayrıntılı panel veri seti dikkate alınarak analizinizde mevcut olabilecek tüm dinamik özellikleri kaybedeceksiniz. Büyük ölçekli kesitsel toplama daha da ilginç olabilir: kabaca basit şeyler alırsınız (kısa bellek AR (1)) onları oldukça büyük popülasyonda ortalar ve mikrodan hiçbirine benzemeyen "temsili" uzun bellek ajanı alırsınız birimleri (temsilcinin konseptine bir taş daha). Böylece toplama ~ bilgi kaybı ~ nesnelerin farklı özellikleri ve bu kayıp ve / veya yeni özellikler seviyesi üzerinde kontrol almak istiyorum. Bence, mümkün olduğunca yüksek frekansta hassas mikro seviye verisine sahip olmak daha iyidir, ancak ...

Teknik olarak herhangi bir regresyon analizi üretmek, (en azından) istatistiksel olarak sonuçlarınızın önemsiz olmadığından emin olmak için daha fazla alana (serbestlik derecesine) ihtiyacınız vardır, ancak yine de teorik ve önemsiz olabilirler :) Bu yüzden eşit koyuyorum soru 1 ve 2'ye ilişkin ağırlıklar (genellikle makro analiz için üç aylık verileri seçin). 3. alt soruyu cevaplayarak, pratik uygulamalarda sizin için neyin daha önemli olduğuna karar verdiğiniz her şey: daha kesin veriler veya serbestlik dereceleri. Söz konusu varsayımı dikkate alırsanız, daha ayrıntılı (veya daha yüksek frekans) veriler tercih edilir.

Muhtemelen cevap, eğer varsa bir tür tartışmadan sonra düzenlenecektir.