時間序列分析 - 什麼滯後水平是合適的？
在我本科的計量經濟學課上，我們學習了時間序列分析的基礎知識。我們基本上被告知要使用一個具有一段時間滯後（滯後 = 1）的模型。但是，我想知道一定存在更多滯後可能是合適的情況。這些實例會是什麼樣子？有沒有辦法找到特定時間序列的最佳滯後數。您能否指導我找到合適的資源來處理直覺的數學，如果可能的話，可能還有如何在 R 中找到最佳滯後的實現。
謝謝你的幫助！
在您的課程中，他們可能在談論一些具體案例。通常，您經常會在應用工作中看到不止一個滯後。
例如，標準時間序列模型之一是自回歸分佈滯後 (ARDL) 模型。在這樣的模型中，您通常需要包含幾個滯後。一般的 ARDL(p,q) 模型如下所示：
$$ y_t = \beta_0 + \sum_{i=1}^p \beta_i y_{t-i}+ \sum_{j=0}^q \gamma_jx_{t-j} +e_t $$
您通常希望選擇滯後順序以從模型中刪除自相關。這只是一個範例，在許多時間序列模型中，您將希望包括多個滯後，例如在 VAR、AR、ARIMA 和許多其他模型中。不可能提供這些模型的詳盡概述，但您可以查看 Verbeek (2008)。現代計量經濟學指南。第 4 版第 8-9 章進行概述。
如何選擇最佳數量或滯後的一種方法是使用資訊標準，例如 Akaike 或 Schwartz Bayesian 資訊標準（同樣只是範例，還有更多此類資訊 - 請參閱上述來源）。
在 R 中有多種方法可以實現這些。一個例子是“tsDyn”包 - 這主要用於為 VAR 選擇最佳滯後數。例如，您可以執行：
install.packages("tsDyn") require("tsDyn") data(barry) test1 <- lags.select(barry, lag.max = 12) test1 Best AIC: lag= 12 Best BIC: lag= 2 Best HQ : lag= 2因此，在上面基於 Akaike (AIC) 的數據中，我們應該在這些數據上執行的 VAR 模型中包含 12 個滯後，根據 Schwartz (BIC) 和 Hannan-Quinn (HQ) 只有 2 個滯後。正如您所看到的，這些標準並不總是一致的，因此您還必須行使一些自由裁量權，但在所有情況下完全解釋如何應用這些標準超出了這個 SE 答案的範圍。你可以再看看我推薦的教科書。