パネルデータを使用したARIMAモデリング

Question

固定効果の回帰を行っており、これに対処するために自己相関に問題があります。私は予測、lmtest、plmパッケージを使用してARIMAモデリングを行っています。私のデータは一般的なパネルデータlooks like thisですが、私はいくつかのARIMAモデリングを試みていますが、plmパッケージを使用して自己回帰項と移動平均を固定効果回帰に組み込むのは苦労しています。ここに私の試みです。

world_hour_fix = 
    plm(WBGDPhour ~ broadband + resourcerents + education, 
     data = hourframe, model = "within") 

auto.arima(world_hour_fix$residuals) 

# Series: world_hour_fix$residuals 
# ARIMA(1,0,1) with zero mean  
# 
#  Coefficients: 
#  ar1  ma1 
#  0.403 0.3135 
# s.e. 0.138 0.1586 
# 
# sigma^2 estimated as 0.4901: log likelihood=-175.54 
# AIC=357.09 AICc=357.23 BIC=366.4 

auto.arima(world_fix$residuals) 

私の質問は、1つの自己回帰項と1の移動平均を回帰に組み込むにはどうすればいいですか？

Answer 1

私は経済学では、パネルデータでARIMAモデリングを試みないことがよくあります。代わりに、我々は（準）差異の推定を使用する。 Bertrand, Duflo, and Mullainathan, "How Much Should We Trust Differences-in-Differences Estimates?",によるこの論文は、パネルデータの自己相関を考慮する異なる手段を比較しています。彼らは、ブロックブートストラップとHAC標準エラーがうまくいく傾向があることを発見しました。