Mô hình ARIMA với dữ liệu bảng

Question

Tôi đang thực hiện hồi quy hiệu ứng cố định và đang gặp vấn đề với tự tương quan, để giải quyết vấn đề này tôi đang làm mô hình ARIMA bằng các gói dự báo, lmtest và plm. Dữ liệu của tôi là dữ liệu bảng chung, looks like this, tôi đang cố gắng thực hiện một số mô hình ARIMA nhưng đang gặp khó khăn khi kết hợp các thuật ngữ tự động và di chuyển trung bình thành hồi quy hiệu ứng cố định bằng gói plm. Đây là nỗ lực của tôi.

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) 

Câu hỏi của tôi là: làm cách nào để kết hợp một thuật ngữ tự động và trung bình di chuyển của một biến hồi quy?

Answer 1

Tôi kinh tế học, chúng tôi thường không cố gắng làm mô hình ARIMA với dữ liệu bảng điều khiển. Thay vào đó, chúng tôi sử dụng ước tính chênh lệch chênh lệch (quasi-). Nếu bạn không lo lắng về tình trạng không ổn định, có vẻ như bạn không có, thì bài báo này bằng cách Bertrand, Duflo, and Mullainathan, "How Much Should We Trust Differences-in-Differences Estimates?", so sánh các phương tiện khác nhau để tự tương quan với tài khoản của bảng điều khiển. Họ thấy rằng các lỗi tiêu chuẩn khối khởi động và lỗi HAC có xu hướng hoạt động tốt.