Necesito una previsión de los siguientes 4 variables para el 29 de unidad de tiempo. Tengo aproximadamente 2 años el valor de los datos históricos, donde el 1 y el 14 y 27 son todos el mismo periodo (o tiempo de año). En fin, yo estoy haciendo un Oaxaca-Blinder estilo de descomposición en $W$, $wd$, $wc$, y $p$.
time W wd wc p
1 4.920725 4.684342 4.065288 .5962985
2 4.956172 4.73998 4.092179 .6151785
3 4.85532 4.725982 4.002519 .6028712
4 4.754887 4.674568 3.988028 .5943888
5 4.862039 4.758899 4.045568 .5925704
6 5.039032 4.791101 4.071131 .590314
7 4.612594 4.656253 4.136271 .529247
8 4.722339 4.631588 3.994956 .5801989
9 4.679251 4.647347 3.954906 .5832723
10 4.736177 4.679152 3.974465 .5843731
11 4.738954 4.759482 4.037036 .5868722
12 4.571325 4.707446 4.110281 .556147
13 4.883891 4.750031 4.168203 .602057
14 4.652408 4.703114 4.042872 .6059471
15 4.677363 4.744875 4.232081 .5672519
16 4.695732 4.614248 3.998735 .5838578
17 4.633575 4.6025 3.943488 .5914644
18 4.61025 4.67733 4.066427 .548952
19 4.678374 4.741046 4.060458 .5416393
20 4.48309 4.609238 4.000201 .5372143
21 4.477549 4.583907 3.94821 .5515663
22 4.555191 4.627404 3.93675 .5542806
23 4.508585 4.595927 3.881685 .5572687
24 4.467037 4.619762 3.909551 .5645944
25 4.326283 4.544351 3.877583 .5738906
26 4.672741 4.599463 3.953772 .5769604
27 4.53551 4.506167 3.808779 .5831352
28 4.528004 4.622972 3.90481 .5968299
Yo creo que el $W$ puede ser aproximada por $p\cdot wd + (1 - p)\cdot wc$ más el error de medición, pero se puede ver que $W$ siempre es muy superior a esa cantidad, porque de residuos, la aproximación de error, o el robo.
Aquí están mis 2 preguntas.
Mi primer pensamiento fue para tratar de autorregresión vectorial sobre estas variables con 1 gal y exógenos tiempo y período variable, pero eso me parece una mala idea teniendo en cuenta cómo la poca información que tengo. Hay series de tiempo métodos que (1) un mejor desempeño en el rostro de "micro-numerosidad" y (2) sería capaz de explotar el vínculo entre las variables?
Por otro lado, los módulos de los autovalores para el VAR a menos de 1, por lo que creo que no necesita preocuparse acerca de la no-estacionariedad (aunque la de Dickey-Fuller prueba sugerir lo contrario). Las predicciones parecen en su mayoría en línea con las proyecciones de una forma flexible modelo univariante con una tendencia del tiempo, a excepción de$W$$p$, que son más bajas. Los coeficientes de los rezagos parecen en su mayoría razonable, a pesar de que son insignificantes para la mayoría de los casos. La tendencia lineal coeficiente es significativo, ya que son algunas de las período de maniquíes. Aún así, hay razones teóricas para preferir este enfoque más sencillo sobre el modelo de VAR?
La divulgación completa: me hicieron una pregunta similar en Statalist con ninguna respuesta.
. Los residuos parecen ser al azar 
con un original de acf 
y un valor residual de las acf de 
