周数据要不要去除周期效应问题？

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

如题，如果我被解释变量和一个主要解释变量是10年每周的数据，然后还有一些变量是年度数据，这里周数据要不要去除周期效应？还是说我直接将后面这些变量一年52周都设置相同？

如果需要对周期效应进行处理，
我记得我原来处理过季节效用用sax12，这里要用什么处理呢？

不胜感激

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：解释变量 不胜感激 年度数据 sax X12 不胜感激

如果有季节性那么可以考虑调整。但是主要要看理论。如果你的变量是零售额之类明显有季节性的，那么就调整。如果是利率之类的通常不做季节调整的，那就不要调整。
季节性调整方法很多。这里有一个stata journal的文章供参考http://www.stata-journal.com/article.html?article=st0255

夏目贵志 发表于 2015-10-3 06:20
如果有季节性那么可以考虑调整。但是主要要看理论。如果你的变量是零售额之类明显有季节性的，那么就调整。 ...

非常感谢你的推介，不过这个命令好像最多只能处理到月级频率吧
季节性我个人认为还是有的，地区空气污染数据的话，还是有一定周期性的吧？

玄一无相 发表于 2015-10-3 08:34
非常感谢你的推介，不过这个命令好像最多只能处理到月级频率吧
季节性我个人认为还是有的，地区空气污染 ...

http://www.bls.gov/osmr/pdf/st100030.pdf
这里介绍了一些对weekly数据做季节调整的文献。

其实如果你较熟悉的话可以用decomposition的办法直接处理。 除非季节性对你来说很关键，需要特殊的处理。

而且你既然大部分数据是每周的，和年度数据混用其实感觉不是特别好。一方面可以考虑用月度数据进行分析，这样x-12-arima这样的方法就可以使用了。另一方面，与其让年度数据在一年之内都取同样的值，倒不如直接用年度的dummy variables。

空气污染数据的话我个人觉得应该会有季节性吧。我没用过这样的数据。但是我的直觉觉得空气污染的数据不要使用季节调整比较好。相反，其他所有变量都最好使用不经季节调整的数据。原因是空气污染情况应该会和天气和气候紧密相关。你总不能把气温啊风力风向什么的都做一遍季节调整吧？不过天气方面我不在行，主要看文献怎么做的吧。