[讨论]时间序列数据和横截面数据混用时的问题

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

在实际工作中遇到的问题。

当横截面数据和时间序列数据混用时的估计问题。

以例子来说明。

一种产品的消费总量与当地的国民收入总量显著相关，可以建立简单的二元模型用于预测。建模时可以用的是一年的横截面数据进行参数估计。

同时，又有各地区的时间序列数据，也可以用于估计模型的参数，所估计的参数与用横截面数据估计的出的参数是不同的。

如何选择？又或者有什么好的方法可以很好的协调两者的关系，或者有这方面好的例子或指导教材或论文，请不吝赐教。

近几日头脑昏昏沉沉的，语言表达能力也急剧下降，有表述不清的地方请指出，我可以进一步解释。

谢谢。

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：时间序列数据 横截面数据 序列数据 时间序列 截面数据 数据 时间 序列 截面 混用

看看panel data 方法

谢谢,不过还请说明那本书里可以看到。

另外，更具体地说明这个问题。

用时间序列数据可以得出一个整体的估计模型，拟合优度很高。R square=0.96，

而用横截面数据拟合的R square=0.57。

原因很清楚，由于做为一个整体，消费相对稳定，而整体的各部分则受当地历史消费结构、文化风俗等因素的影响，偏离均值比较大。

以下以例子说明

某省有三个地区，每年消费一种产品数量如下表所示：

1999 2000 2001 2002

地区1 10 11 12 13

地区2 20 21 23 26

地区3 18 20 21 25

合计 48 52 56 64

各地国民收入如下：

1999 2000 2001 2002

地区1 8 9 10 11

地区2 10 11 12 13

地区3 11 12 13 14

合计 29 32 35 38

从数据中可以看出，各地据国民收入年对于这种产品的消费并不均衡，但从做为一个省的消费总量和国民收入总量的历年数据来看却有显著的相关关系。

而我们的目的除了要建立模型预测总的消费量之外，还要预测各地的消费量。

所以，就面临前面所述的问题。

还请指教。

[此贴子已经被作者于2005-6-14 11:07:50编辑过]

时间序列的拟合度高往往是因为变量均有上升的趋势所致，如果没有协整关系，就是伪回归，再高的拟合度无用。

panel data 能较好地解决此问题，wooldridge书上有介绍。

谢谢，我没看过WOOLDRIDGE的书，学的是GUJARATI的教材。回头要看看WOOLDRIDGE的书。

继续讨论。

首先，数据是存在协整关系的。横截面数据估计所得到的残差序列存在明显的相关关系。应用ARCH模型是否能得到更好的结果，我再试试。

其次，我学习时用的是古扎拉蒂的书，该书中也简单的介绍了混用数据的处理办法，就是设计0-1型的虚拟变量区分不同的横截面数据。但当变量类别太多时，这个方法很不好，因为要加入太多的变量。例如，在这个问题中，共有17个地区，假定截距和斜率都不同时，需要32个变量。

不知有没有更好的办法。

想知道

想知道！什么时候用横截面的数据分析比较好？选用数据的标准是什么啊？请各位高手赐教~

楼主不知道做的怎么样了?用面板数据前先归类，通过主成分分析看看那些指标对消费量有显著影响，再根据这几个指标对各地区归类，在一个类别的就直接回归好了。楼主的ARCH怎么样了？