|
|
|
Zeitreihenanalyse - Johansen Test - Korrekte Vorgehensweise? |
|
| duschi17 |
Forum-Newbie
|
 |
Beiträge: 1
|
|
|
|
Anmeldedatum: 10.07.14
|
|
|
|
Wohnort: ---
|
|
|
|
Version: ---
|
|
|
|
 |
|
Verfasst am: 14.07.2014, 10:05
Titel: Zeitreihenanalyse - Johansen Test - Korrekte Vorgehensweise?
|
 |
| |
 |
 |
Hallo Zusammen,
ich befasse mich gerade mit dem Thema Zeitreihenanalyse und hätte dazu ein paar Fragen.
Also mein Ziel ist es, die Wechselwirkungen von Online Marketing Kanälen zu untersuchen. Dafür habe ich alle wichtigen Kennzahlen pro Tag für 365 Tage.
Ich würde diese Daten jetzt gerne in einem Vektorautoregressive (VAR) Modelle abbilden und mit Hilfe von Impulse Analysen die genauen Effekte ableiten.
Also um das Beispiel einfach zu halten. Ich habe folgende Kennzahlen:
ο Display Banner Views
ο Display Banner Klicks
ο Search Traffic Klicks
ο Search Traffic Orders
Mit Hilfe der Granger Klausalität habe ich schon die bidirektionelen Beziehungen nachgewiesen. Nun würde ich gerne mit Hilfe vom Johansen Test das genaue VAR Modell mit Cointegration und Error Vektor bestimmen.
Nun gibt es unterschiedliche Johansen Tests.
Bspw.:
1) There are no intercepts or trends in the cointegrating relations and there are no trends in the data.
2) There are intercepts in the cointegrating relations and there are no trends in the data.
3) There are intercepts in the cointegrating relations and there are linear trends in the data.
4) There are intercepts and linear trends in the cointegrating relations and there are linear trends in the data
5) There are intercepts and linear trends in the cointegrating relations and there are quadratic trends in the data.
Siehe hier: http://www.mathworks.de/de/help/econ/identify-cointegration.html
Somit muss ich wohl die Daten vorher genauer untersuchen, um das richtige Model zu bestimmen.
Kann mir hier jemand helfen?
Es besteht, laut Gragner-Klausalität Test, eine Beziehung zw. den Variablen --> Bedeutet also, dass der Johansen Test Nummer 1 rausfällt. Oder?
Zudem habe ich die Daten mit Hilfe vom Augmented Dickey-Fuller (ADF) und dem Kwiathowski-Phililips-Shin (KPSS) auf Stationarität untersucht:
ο Display Banner Views: KPSS --> H=1 --> nicht stationär / ADF --> H =1 --> ohne Unit Root
ο Display Banner Klicks: KPSS --> H=1 --> nicht stationär / ADF --> H =1 --> ohne Unit Root
ο Search Traffic Klicks: KPSS --> H=1 --> nicht stationär / ADF --> H =1 --> ohne Unit Root
ο Search Traffic Orders: KPSS --> H=1 --> nicht stationär / ADF --> H =1 --> ohne Unit Root
Die Daten sind also Nicht stationär. Bedeutet also, dass der Johansen Test Nummer 3, 4 und 5 rausfällt. Oder?
Kann ich die Daten so 1 zu 1 verwenden oder muss diese nun alle Differenzieren?
Das Ergebnis vom Johansen Test (Nummer 2) ist zudem dann anhängig vom LEG.
Dies muss ich mit Hilfe von AIC und SIC noch bestimmen, oder? Machen die Daten auf Tagesbasis überhaupt Sinn?
Stimmt das vorgehen so weit?
Wäre super, wenn mir hier jemand weiterhelfen könnte. Gerne auch austauschen via E-Mail, Skype oder Telefon.
Ich bin über jede Hilfe/Antwort dankbar.
Viele Grüße,
Duschi
|
|
|
|
|
|
|
|
|
Einstellungen und Berechtigungen
|
|
Du kannst Beiträge in dieses Forum schreiben.
Du kannst auf Beiträge in diesem Forum antworten.
Du kannst deine Beiträge in diesem Forum nicht bearbeiten.
Du kannst deine Beiträge in diesem Forum nicht löschen.
Du kannst an Umfragen in diesem Forum nicht mitmachen.
Du kannst Dateien in diesem Forum posten
Du kannst Dateien in diesem Forum herunterladen
|
|
Impressum
| Nutzungsbedingungen
| Datenschutz
| FAQ
|  RSS
Hosted by:
Copyright © 2007 - 2024
goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks
MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.
|
|
