He leído posts en blogs que dicen que hay que utilizar datos mensuales, trimestrales o anuales, dependiendo de si se quiere predecir el resultado mensual, trimestral o anual respectivamente.
Así que supongo que lo mismo se aplica al estudio de la dinámica de dos o más variables mediante un modelo VAR. Por ejemplo, la respuesta de $y_t$ a un choque en $x_t$ debería ser diferente en las frecuencias mensual, trimestral y anual, ¿verdad? Así parece en mi experimento en la figura adjunta.
Así que decir que "la respuesta de $y_t$ a un choque en $x_t$ es positivo" es incompleto, supongo. Tal vez, es mejor decir, "la respuesta de $y_t$ a un choque en $x_t$ es positivo en la frecuencia anual, negativo en la frecuencia trimestral, y así sucesivamente".
¿O es que los resultados deberían ser similares independientemente de la frecuencia de los datos?
0 votos
¿cómo se especifican los distintos modelos? La inclusión de un número diferente de rezagos puede alterar mucho los resultados.
0 votos
¡Gracias! Mismo modelo, mismo todo...solo cambian los datos. Todos son VAR(1) de 2 variables.
0 votos
¿Incluye maniquíes estacionales? Porque probablemente debería hacerlo tanto para los datos trimestrales como para los mensuales. También es importante tener en cuenta que 100 pasos por delante no es lo mismo que 100 pasos por delante para datos mensuales o trimestrales, es decir, 100 años. $\neq$ 100 trimestres $\neq$ 100 meses
0 votos
Además, 1 desfase en términos anuales sería similar al 4º desfase en términos trimestrales o al 12º desfase en términos mensuales. Así que no tiene mucho sentido comparar modelos idénticos. En cualquier caso, ninguno de los efectos es significativo, lo que sugiere que todos sus modelos son bastante pobres. Por lo tanto, yo no me fiaría de los signos de los impactos que se ven en las cifras.
0 votos
Pero mi pregunta es si debo esperar resultados similares utilizando datos trimestrales, mensuales o anuales... después de hacer todo lo que has sugerido. Quiero decir, ¿hay alguna prueba estadística o evidencia de que la frecuencia de los datos no importa mucho para un modelo VAR si se hacen todas las cosas necesarias... estacionalidad, longitud de lag, etc, apropiadamente para cada modelo. En otras palabras, ¿qué frecuencia debería elegir para mi modelo VAR? ¿En función de qué? ¿En función de qué frecuencia quiero hacer previsiones? Pero aquí no me interesa la previsión, sino captar las relaciones dinámicas. ¿Importa la frecuencia de los datos?
0 votos
¿Puedo preguntar... si deberíamos ignorar los trabajos de investigación con irfs insignificantes, no? Quiero decir, veo muchos .... ¿puedo decir por ejemplo que esos modelos son pobres...y usar eso como base para escribir otro trabajo, espero que uno mejor donde los irfs sean significativos??. ¿No podemos tener un buen modelo (basado en la teoría) con resultados no significativos? Sims(1972), por ejemplo, sólo utilizó la oferta monetaria y el PNB en su modelo... si utilizo ese modelo para otro conjunto de datos y encuentro resultados no significativos, ¿puedo decir que el modelo no es bueno, por ejemplo?
0 votos
No tener en cuenta los hallazgos insignificantes es una receta para el desastre y uno de los principales motivos de por qué son falsos los resultados de la mayoría de las investigaciones publicadas según Ioannidis.