Selection of optimal lags and estimation of parameters of a linear regression model with lagging variables
Gespeichert in:
| Titel: | Selection of optimal lags and estimation of parameters of a linear regression model with lagging variables |
|---|---|
| Quelle: | Cherepovets State University Bulletin. :46-54 |
| Verlagsinformationen: | Cherepovets State University, 2024. |
| Publikationsjahr: | 2024 |
| Beschreibung: | В статье дан краткий обзор работ по использованию запаздывающих (лаговых) переменных при моделировании сложных объектов. В частности, рассмотрены: смещение оценки метода наименьших квадратов регрессионной модели с лаговой зависимой переменной и автокоррелированными возмущениями; способ включения запаздывающих переменных в регрессионную модель с использованием пошаговой процедуры; решение проблемы параметрической идентификации в моделях дискретного выбора панельных данных, когда набор объясняющих переменных включает экзогенные переменные, лаги зависимой переменной, а также ненаблюдаемые индивидуальные эффекты. Разработана алгоритмическая схема выбора оптимальных временных лагов для независимых переменных и оценивания неизвестных параметров линейной регрессионной модели с запаздыванием. При выборе в качестве расстояния между векторами фактических и расчетных значений зависимой переменной манхэттенской метрики, соответствующей методу наименьших модулей, данный способ сводится к решению задачи линейно-булевого программирования приемлемой для практических ситуаций размерности. Построена регрессионная модель с запаздыванием для описания динамики количества дорожно-транспортных происшествий, которая обладает меньшими ошибками аппроксимации по сравнению с обычной линейной моделью при использовании методов наименьших квадратов и модулей. The paper provides a brief overview of works on the use of lagging variables in modeling complex objects. In particular, the following are considered: bias in the least squares estimation of a regression model with a lagged dependent variable and autocorrelated disturbances; a method for including lagged variables in a regression model using a stepwise procedure; solving the problem of parametric identification in discrete choice models of panel data, when the set of explanatory variables includes exogenous variables, lags of the dependent variable, as well as unobserved individual effects. An algorithmic scheme has been developed for selecting optimal time lags for independent variables and estimating unknown parameters of a linear regression model with a lag. When choosing the Manhattan metric corresponding to the method of least moduli as the distance between the vectors of actual and calculated values of the dependent variable, this method is reduced to solving a linear-Boolean programming problem of a dimension acceptable for practical situations. A regression model with lag was developed to describe the dynamics of the number of road accidents, which has smaller approximation errors than the usual linear model when using least squares and moduli methods. |
| Publikationsart: | Article |
| Sprache: | Russian |
| ISSN: | 1994-0637 |
| DOI: | 10.23859/1994-0637-2024-3-120-4 |
| Dokumentencode: | edsair.doi...........ff5eafa042ee2c425ea11d804ebb206d |
| Datenbank: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstract: | В статье дан краткий обзор работ по использованию запаздывающих (лаговых) переменных при моделировании сложных объектов. В частности, рассмотрены: смещение оценки метода наименьших квадратов регрессионной модели с лаговой зависимой переменной и автокоррелированными возмущениями; способ включения запаздывающих переменных в регрессионную модель с использованием пошаговой процедуры; решение проблемы параметрической идентификации в моделях дискретного выбора панельных данных, когда набор объясняющих переменных включает экзогенные переменные, лаги зависимой переменной, а также ненаблюдаемые индивидуальные эффекты. Разработана алгоритмическая схема выбора оптимальных временных лагов для независимых переменных и оценивания неизвестных параметров линейной регрессионной модели с запаздыванием. При выборе в качестве расстояния между векторами фактических и расчетных значений зависимой переменной манхэттенской метрики, соответствующей методу наименьших модулей, данный способ сводится к решению задачи линейно-булевого программирования приемлемой для практических ситуаций размерности. Построена регрессионная модель с запаздыванием для описания динамики количества дорожно-транспортных происшествий, которая обладает меньшими ошибками аппроксимации по сравнению с обычной линейной моделью при использовании методов наименьших квадратов и модулей. The paper provides a brief overview of works on the use of lagging variables in modeling complex objects. In particular, the following are considered: bias in the least squares estimation of a regression model with a lagged dependent variable and autocorrelated disturbances; a method for including lagged variables in a regression model using a stepwise procedure; solving the problem of parametric identification in discrete choice models of panel data, when the set of explanatory variables includes exogenous variables, lags of the dependent variable, as well as unobserved individual effects. An algorithmic scheme has been developed for selecting optimal time lags for independent variables and estimating unknown parameters of a linear regression model with a lag. When choosing the Manhattan metric corresponding to the method of least moduli as the distance between the vectors of actual and calculated values of the dependent variable, this method is reduced to solving a linear-Boolean programming problem of a dimension acceptable for practical situations. A regression model with lag was developed to describe the dynamics of the number of road accidents, which has smaller approximation errors than the usual linear model when using least squares and moduli methods. |
|---|---|
| ISSN: | 19940637 |
| DOI: | 10.23859/1994-0637-2024-3-120-4 |