我正在进行固定效果回归并遇到自相关问题,为了解决这个问题,我正在使用预测,lmtest和plm包进行ARIMA建模。我的数据是一般的面板数据,looks like this,我正在尝试做一些ARIMA建模,但我很难将自回归项和移动平均值结合到使用plm包的固定效果回归中。这是我的尝试。
world_hour_fix =
plm(WBGDPhour ~ broadband + resourcerents + education,
data = hourframe, model = "within")
auto.arima(world_hour_fix$residuals)
# Series: world_hour_fix$residuals
# ARIMA(1,0,1) with zero mean
#
# Coefficients:
# ar1 ma1
# 0.403 0.3135
# s.e. 0.138 0.1586
#
# sigma^2 estimated as 0.4901: log likelihood=-175.54
# AIC=357.09 AICc=357.23 BIC=366.4
auto.arima(world_fix$residuals)
我的问题是:如何将一个自回归项和一个移动平均值合并到我的回归中?
答案 0 :(得分:4)
在经济方面,我们经常不尝试使用面板数据进行ARIMA建模。相反,我们使用(准)差异差异估计。如果你不担心非平稳性,听起来你不是这样,那么Bertrand, Duflo, and Mullainathan, "How Much Should We Trust Differences-in-Differences Estimates?",的这篇论文将不同的自相关方法与面板数据进行了比较。他们发现块引导程序和HAC标准错误往往效果很好。