利用动态潜在风险评估消费者信心数据的一致性

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Assessing Consistency of Consumer Confidence Data using Dynamic Latent
  Class Analysis》
---
作者：
Sunil Kumar, Zakir Husain and Diganta Mukherjee
---
最新提交年份：
2015
---
英文摘要：
  In many countries information on expectations collected through consumer confidence surveys are used in macroeconomic policy formulation. Unfortunately, before doing so, the consistency of responses is often not taken into account, leading to biases creeping in and affecting the reliability of the indices hence created. This paper describes how latent class analysis may be used to check the consistency of responses and ensure a parsimonious questionnaire. In particular, we examine how temporal changes may be incorporated into the model. Our methodology is illustrated using three rounds of Consumer Confidence Survey (CCS) conducted by Reserve Bank of India (RBI).
---
中文摘要：
在许多国家，通过消费者信心调查收集的有关预期的信息被用于宏观经济政策的制定。不幸的是，在这样做之前，往往没有考虑到反应的一致性，导致偏见蔓延，并影响由此产生的指数的可靠性。本文描述了如何使用潜在类分析来检查回答的一致性，并确保一份简洁的问卷。特别是，我们将研究如何将时间变化纳入模型。我们的方法通过印度储备银行（RBI）进行的三轮消费者信心调查（CCS）进行了说明。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
--> Assessing_Consistency_of_Consumer_Confidence_Data_using_Dynamic_Latent_Class_Analysis.pdf (782.96 KB)

2022-5-9 04:06:48 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：消费者信心 利用动态 潜在风险 风险评估 一致性

使用动态潜在类别分析评估消费者信心数据的一致性Sunil KUMAR+、ZAKIR HUSAIN和DIGANTA MUKHERJEE#+：印度加尔各答和安盟大学印度统计研究所抽样和官方统计部门，班加罗尔（电子邮件：sunilbhougal06@gmail.com)——：印度加尔各答印度统计研究所抽样和官方统计股（电子邮件：digantam@hotmail.com)#：印度哈拉格布尔印度理工学院（电子邮件：dzhusain@gmail.com)摘要在许多国家，通过消费者信心调查收集的有关预期的信息被用于宏观经济政策的制定。不幸的是，在这样做之前，往往没有考虑到反应的一致性，导致偏见蔓延，并影响由此产生的指数的可靠性。本文描述了如何使用潜在类分析来检查回答的一致性，并确保一份简洁的问卷。特别是，我们研究了如何将时间变化纳入模型。我们的方法通过印度储备银行（RBI）进行的三轮消费者信心调查（CCS）进行了说明。关键词：潜在类别分析，可靠性分析，消费者信心调查，IndiaJEL：分类：C32，E31，E37。评估消费者信心数据的一致性2I。导言非金融组织和消费者的态度对经济活动的影响是政策制定者和经济预测者都非常感兴趣的问题（见Galstyan和Movsisyan，2009）。特别是，对宏观经济变量的预期可能会影响货币和财政政策的有效性，以及经济的方向（见菲尔普斯，1968）。

这突显了在宏观经济政策制定过程中纳入这些预期的重要性。许多国家的政策制定者通过消费者信心调查收集有关此类预期的信息。此类调查的例子包括亚美尼亚经济合作与发展组织的商业趋势和消费者调查、香港尼尔森全球消费者信心和消费意向调查、西太平洋墨尔本研究所消费者信心调查等，消费者信心指数是作为消费者对未来经济趋势的预期的替代品而构建的，并经常在政策制定中使用。在印度，自2010年6月以来，Reserve Bank of India通过CCSs每季度收集一次有关家庭对当前经济形势的看法及其对未来经济变化的预期的信息。对这些调查的回应进行分析，以获取家庭对整体经济形势（当前和未来）及其物质安全（当前和未来）的看法。此外，RBI计算当前和未来条件的指标（见RBI公告，2012年）。调查数据是监测家庭期望的时间变化的潜在有用工具。因此，印度储备银行利用调查结果制定货币政策，并确定关键的货币变量，如现金储备率、利率等。不幸的是，在构建此类指数时，并未考虑响应的可靠性和一致性（见卡托纳，1946，1947）。

这导致忽视消费者反应中的偏差，甚至可能影响指数的可靠性。印度储备银行也使用调查结果形成货币政策变量，而不检查结果的一致性。本文描述了如何使用潜在类别分析（LCA）——一种包含离散潜在变量和指标变量的潜在变量模型来检查响应的一致性，并确定可用于构建可靠的消费者情绪指数的变量。我们的方法使用RBI进行的CCS进行了说明。本文的结构如下。第2节描述了LCA模型的框架。第3节和第4节介绍了使用软件应用程序POLCA对三轮CCS数据的分析。最后，在第5节和第6节中，我们总结了我们的发现，并确定了进一步研究的潜在领域。二、LCA模型和反应偏差LCA模型SLCA是一种统计方法，用于从多元分类数据中聚类相关病例（识别潜在类别），由Lazarsfeld（1950）和Lazarsfeld and Henry（1968）率先提出。LCA模型不依赖于传统的建模假设，如正态分布、线性关系、同质性等。该模型的潜在变量和指示变量都是离散的。LCA是结构方程模型的一个子集，用于在多变量分类数据中对不可观察的子组或子类型的病例进行分类。与因子分析一样，生命周期评价也可用于根据病例的最大似然类隶属度对病例进行分组。

LCA may beThe该分析基于最完整、最用户友好的软件包，用于估算R中的潜在类别模型和潜在类别回归模型（见Linger and Lewis，2011；R Development Core Team，2010），评估消费者信心数据的一致性，4用于根据调查结果对态度结构类型进行分类，消费者细分来自人口统计和偏好变量，或者根据他们对测试项目的反应对亚群体进行分类。LCA的优势在于，除了局部独立性之外，对指标的分布不做任何假设，即指标共享一个共同的潜在变量，但测量误差是不相关的。随后的发展使这一假设得以放宽。即使指标之间存在相关性，也可以通过指标变量之间的相互作用项进行合并（例如，哈珀，1972年；瓦切克，1985年；汉格纳斯，1988年；埃斯佩兰和亨德曼，1989年；辛克莱和加斯特沃思，1996年；雷布森等人，2008年；伯特兰和哈夫特纳，2011年）。LCA和Goodman（1984）的应用首次引入了潜在类别模型，其中类别（潜在变量的不可观察类别）成员概率和项目责任概率取决于观察组的成员资格。带有协变量的生命周期评价扩展了生命周期评价的基本模型，使其包含了班级成员的预测因素。在这种扩展中，潜在的类成员概率是通过逻辑联系由协变量预测的（例如Bandeen等人1997年；Dayton和Macready 1988年）。潜在类模型已被应用于许多领域。

例如，Sullivan和Kessler（1998年）在美国全国共病调查（NCS）中使用生命周期评价（LCA）以经验方式确定抑郁症状的类型。Yan等人（2012年）将潜在类别模型应用于全国家庭增长调查（NSFG）的两个周期的数据。生命周期评价模型的另一个应用是测试消费者调查中是否存在不同类型的反应偏差。例如，调查可能包含一些偏见，如默许、极端反应风格和社会期望：（i）默许描述了一个人对问卷项目提供确认答案的总体趋势，而忽视了项目的内容（见梅西克，1967）。（ii）极端反应偏差是指无论所寻求的信息内容如何，都倾向于一致认可对经济的乐观看法（积极偏差）或一致报告对经济的负面看法（消极偏差）（见Baumgartner and Steenkamp，2006）。（iii）社会期望通常指的是，根据当前的文化规范，以一种有利于呈现主题的方式做出回应的倾向（见Mick，1996）。识别这些错误的来源是在制定宏观经济政策时使用消费者信心调查结果的先决条件。统计这些偏差最有希望的方法是应用统计技术分析调查结果。鉴于数据的定性性质，不可能使用经典的leastsquares方法。因此，更灵活的替代方案LCA已被用于此类练习中。例如，Biemer和Winsen（2002）使用LCA来估计分类错误。

这导致在问卷设计和问题措辞（全国家庭药物滥用调查）中发现错误，因此有必要根据分类错误偏差调整对药物使用流行率的估计。Bialowolski（2012年）使用LCA对波兰家庭通胀预期状况调查中的个人数据进行情绪偏差和极端反应偏差检验。评估消费者信心数据的一致性6本论文是使用LCA模型分析因印度储备银行消费者信心调查中的反应偏差而导致的不分类模式的持续实践的一部分。具体来说，我们建议测试调查中是否存在极端反应偏差，并确定受这种偏差影响的项目。它扩展了之前针对单一时间段进行的分析，以显示如何将时间变化的影响纳入LCA模型，以评估CCS响应的可靠性，并确定偏差来源。由于调查是按季度进行的，因此我们连续三年——2010年、2011年和2012年——收集了同一季度（财政年度第一季度，截至6月30日）的数据。这是该系列的第一、第五和第九名。这有助于计算出两轮之间的任何季节性影响。三、 数据库和方法学数据库消费者信心调查（CCS）是一项家庭调查，旨在根据受访者对总体状况和自身财务状况的看法，衡量他们对消费者情绪的评估。CCS设计是一个多阶段分层样本，覆盖六个大都市，即：。，班加罗尔、钦奈、海得拉巴、加尔各答、蒙拜和新德里。

每个城市分为三个主要区域，每个主要区域进一步分为三个子区域。从每个分区中，随机抽取约100名受访者。每轮调查都会选出5400名受访者（每个城市900名受访者）。评估分为两部分，即：。，与一年前相比的当前情况和对未来一年的展望。调查时间表包括与经济状况、家庭环境、价格水平和就业前景、房地产价格发展和印度经济增长潜力相关的定性问题（见表1）。此外，还收集了受访者的年龄、性别、职业和年收入等信息。在本研究中，我们在分析中采用了2010年、2011年和2012年连续三年的同一季度（财年第一季度，对应于6月）的数据。