Как стоит работать с time series данными?
Статья (июнь 2024) напоминает, что у временной структуры данных есть свои проблемы. Если мы наблюдаем инфляцию во времени и хотим связать её с другими переменными, мы принципиально работаем с time series - то есть с заранее заданной структурой наблюдений. Авторы показывают, что многие свойства обычной OLS регрессии плохие, даже если оценивать автокорреляцию ошибок. А в качестве более корректного подхода предлагают расширить регрессии до более длинного набора лагов зависимой и независимых переменных, чтобы схватить свойства получше.
Вывод: логично то, что функциональная форма влияет на результат оценок. В моих практических задачах прогнозирования, действительно, лучше бы применять более широкий набор лагов переменных, но это упирается в короткий набор макроданных. Интересно, буду думать, как использовать.
#OLS #DURBIN #TimeSeries
Статья (июнь 2024) напоминает, что у временной структуры данных есть свои проблемы. Если мы наблюдаем инфляцию во времени и хотим связать её с другими переменными, мы принципиально работаем с time series - то есть с заранее заданной структурой наблюдений. Авторы показывают, что многие свойства обычной OLS регрессии плохие, даже если оценивать автокорреляцию ошибок. А в качестве более корректного подхода предлагают расширить регрессии до более длинного набора лагов зависимой и независимых переменных, чтобы схватить свойства получше.
Вывод: логично то, что функциональная форма влияет на результат оценок. В моих практических задачах прогнозирования, действительно, лучше бы применять более широкий набор лагов переменных, но это упирается в короткий набор макроданных. Интересно, буду думать, как использовать.
#OLS #DURBIN #TimeSeries
NBER
On Robust Inference in Time Series Regression
Least squares regression with heteroskedasticity consistent standard errors (“OLS-HC regression”) has proved very useful in cross section environments. However, several major difficulties, which are generally overlooked, must be confronted when transferring…