Pythonでの時系列解析

Question

トレンドシリーズBがトレンドシリーズAをどれだけ評価するかを判断したいと思います。私はOLSでこれを試しましたが、明らかに残差は自己相関しています。私はCochrane-Orcutt-Procedure（https://onlinecourses.science.psu.edu/stat501/node/360）で修正しようとしましたが、これは自己相関を改善しませんでした。私は別のrho値を持つPythonの統計モデルGSLAR関数を試しましたが、成功もありませんでした。

私には何が欠けていますか？回帰分析は正しい分析アプローチですか？代替案は何ですか？

これはデータである：

import pandas as pd 
dataA = [0.02921, 0.02946, 0.02971, 0.02996, 0.03021, 0.03042, 0.03063, 
0.03083, 0.031, 0.03117, 0.03129, 0.03142, 
0.0315, 0.03146, 0.03142, 0.03142, 0.03138, 0.03129, 0.03117, 0.03104, 
0.03096, 0.03083, 0.03067, 0.0305, 0.03042, 0.03042, 0.03042, 0.03042, 
0.03046, 0.03058, 0.03075, 0.03087, 0.031, 0.03117, 0.03137, 0.03158, 
0.03175, 0.03196, 0.03221, 0.03242, 0.03258, 0.03271, 0.03279, 0.03292, 
0.03304, 0.03312] 

dataB = [0.28416, 0.28756, 0.29716, 0.30777, 0.31047, 0.30262, 0.29666, 
0.28918, 0.28008, 0.28037, 0.27909, 0.2738, 0.28378, 0.29538, 0.2927, 
0.29232, 0.28845, 0.27793, 0.27858, 0.29067, 0.29573, 0.29336, 0.28964, 
0.28601, 0.273, 0.26278, 0.26786, 0.27156, 0.27272, 0.28691, 0.30556, 
0.3109, 0.31243, 0.31083, 0.31534, 0.32455, 0.33221, 0.33714, 0.33397, 
0.32347, 0.31899, 0.31567, 0.30213, 0.29288, 0.29132, 0.29346] 

daterange = pd.date_range(start='2012-07-31', end='2016-04-30',freq='M') 
A = pd.Series(dataA, daterange) 
B = pd.Series(dataB, daterange) 

はDATAAおよびデータBは、季節的分解（加法モデル）に由来した：

from statsmodels.tsa.seasonal import seasonal_decompose 
ADecomp = seasonal_decompose(ARaw) 
dataA = ADecomp.trend 
BDecomp = seasonal_decompose(BRaw) 
dataB = BDecomp.trend 

Answer 1

Iこれは、Pythonより計量経済学の問題の多い推測します質問。

最初に行うべきことは、両方のシリーズが静止しているかどうかを確認することです。

停止している場合： OLSで回帰して見積もることができます。定常シリーズとは、差が最も小さい分散系列のことです。

静止していない場合： 1）Engle Granger法を用いた共集積について試験する。 2つの非静止シリーズは、共同して静止していてもよい。ここでもOLSを実行できます。 2）それらが一体化されていない場合、それらが静止しているn次の差の系列を取ってから、予測子を得るためにOLSを実行する必要があります。

これはあなたの質問にお答えします。