La intervención de análisis multi-dimensional de series de tiempo

Question

Me gustaría hacer una intervención de análisis para cuantificar los resultados de una decisión de política sobre la venta de alcohol a lo largo del tiempo. Soy bastante nuevo para análisis de series de tiempo, sin embargo, así que tengo algunos principiantes preguntas.

Un examen de la literatura revela que otros investigadores han utilizado ARIMA para el modelo de series de tiempo de las ventas de alcohol, con un dummy variables como regresor para modelar el efecto de la intervención. Mientras que esto parece como una aproximación razonable, mi conjunto de datos es un poco más rica que las que me han encoutnered en la literatura. En primer lugar, mi conjunto de datos, desglosados por tipo de bebidas (es decir, cerveza, vino, licores), y luego más desglosada por zona geográfica.

Mientras yo podía crear distintos ARIMA análisis para cada disagregated grupo y, a continuación, compare los resultados, sospecho que hay un mejor enfoque aquí. Podría alguien más familiarizado con multi-dimensional de datos de series de tiempo proporcionar algunos poitners o sugerencias?

Answer 1

El modelo ARIMA con una variable ficticia para una intervención es un caso especial de un modelo lineal con errores ARIMA.

Usted puede hacer lo mismo aquí, pero con un rico modelo lineal, incluyendo factores para el tipo de bebidas y zonas geográficas.

En R, el modelo puede ser estimado utilizando arima() con la regresión de las variables incluidas a través de la xreg argumento. Desafortunadamente, usted tendrá que el código de los factores utilizando variables ficticias, pero por lo demás es relativamente sencillo.

Answer 2

Si usted quería modelo de las ventas de bebidas de tipos como vector [ventas de vino en t, las ventas de cerveza en t, las ventas de los espíritus en t], es posible que desee buscar en la Autorregresión Vectorial (VAR) de los modelos. Usted probablemente querrá la VARX variedad que tiene un vector de variables exógenas como la región y la intervención política ficticia, junto con el vino, la cerveza y los licores secuencias. Ellos son bastante sencillas de ajuste y desea obtener respuesta de impulso de funciones para expresar el impacto de los choques exógenos, que también pueden ser de interés. Hay un amplio debate en Lütkepohl del libro en multivariante de series de tiempo.

Por último, estoy ciertamente no es economista, pero me parece que también podría pensar en proporciones de estos tipos de bebidas así como también los niveles. La gente probablemente operan bajo una bebida restricción presupuestaria - yo sé que hacer - que llevaría a la par de los niveles y la (anti-)se correlacionan los errores.

Answer 3

Cada serie de tiempo debe ser evaluado por separado con la idea final de la recolección es decir, la agrupación de series similares en grupos o secciones similares/estructura común. Desde datos de series de tiempo puede ser intervenido con desconocidos determinista de la estructura sin especificar puntos en el tiempo,se aconseja hacer la Intervención de Detección para encontrar donde la intervención realmente tuvo un efecto. Si usted sabe de una ley entró en efecto en un punto determinado de (de jure) esto puede de hecho (de facto) no la fecha de la intervención que en realidad sucedió. Los sistemas pueden responder de antemano a una conocida fecha de efecto o incluso después de la fecha debido a la falta de cumplimiento o la falta de respuesta. La especificación de la fecha de la intervención puede conducir a la Especificación del Modelo de Sesgo. Sugiero que google Intervención de "Detección" o "la Detección de valores Atípicos". Un buen libro sobre este sería por el Prof. Wei de la Universidad de Temple publicado por Addison-Wessley. Creo que el título es "Análisis de Series de Tiempo". Otro comentario de una Intervención Variable puede aparecer como un Pulso o Nivel/Paso Turno o Estacional de Pulso o un Local de Tendencia en Tiempo.

En respuesta a la expansión de la discusión sobre las Tendencias en el Tiempo:

Si usted tiene una serie que exhibe 1,2,3,4,5,7,9,11,13,15,16,17,18,19... ha habido un cambio de tendencia en el período de 5 y a las 10. Para mí es una cuestión principal en la serie de tiempo es la detección de nivel cambia por ejemplo, 1,2,3,4,5,8,9,10,..o otro ejemplo de un cambio de nivel 1,1,1,1,2,2,2,2, Y/O la detección de la tendencia del tiempo se rompe. Así como un Pulso es una diferencia de un Paso, un Paso es la diferencia de una Tendencia. Hemos extendido la teoría de la Intervención en la Detección de la 4ª dimensión i,e, Tendencia a Punto de Cambiar. En términos de apertura, he sido capaz de implementar una Intervención de este tipo los sistemas de Detección en conjunción con ARIMA y la Transferencia de la Función de los Modelos. Yo soy uno de los ejecutivos de series de tiempo de los estadísticos que han colaborado en el desarrollo de AUTOBOX que incorpora estas características. No tengo conocimiento de nadie que se ha programado este emocionante innovación. Tal vez alguien puede comentar sobre un paquete de R que podría hacer eso, pero yo no lo creo.