अनुपातिक रूप से एकीकृत डेटा और स्वचालित विलंब मॉडल: एक सिमुलेशन अध्ययन के परिणाम

इस अंक में दो योगदान, ग्रांट और लेबो और कील, लिन्न, और वेब, अनुपातिक एकीकरण की उपस्थिति का निदान करने और उसके स्तर का अनुमान लगाने के लिए ARFIMA मॉडल उपयोग करने की सिफारिश करते हैं, फिर या तो (i) विश्लेषण से पहले डेटा को अनुपातिक रूप से भिन्न करना या, (ii) सह-इंटीग्रेटेड चर के लिए, अनुपातिक त्रुटि सुधार मॉडल का अनुमान लगाना। लेकिन कील, लिन्न, और वेब यह भी सबूत प्रस्तुत करते हैं कि ARFIMA मॉडल 1000 से कम अवलोकनों वाले एक श्रृंखला में अनुपातिक एकीकरण की उपस्थिति और स्तर के भ्रामक संकेत देते हैं। एक सिमुलेशन अध्ययन में, मैंने पाया कि साधारण स्वचालित विलंब मॉडल (ADL) या समकक्ष त्रुटि सुधार मॉडल (ECM) पहले अनुपातिक एकीकरण का परीक्षण या सुधार किए बिना, अनुपातिक रूप से एकीकृत (लेकिन स्थिर) डेटा में कमजोर बाहरी चर के तात्कालिक और दीर्घकालिक प्रभावों का उपयोगी अनुमान प्रदान कर सकता है।