Saya menggunakan model lag terdistribusi untuk menganalisis data deret waktu. Durasi periode penelitian adalah 18 tahun, dan observasi adalah data tahunan. Ketika menyertakan efek lag 1 tahun, tahun pertama variabel lag menjadi hilang. Kemudian, efek lag 2 tahun membuat dua data pertama variabel lag hilang, dan seterusnya.
Saya akan menganalisis lima efek lag dalam studi saya, tetapi lima variabel lag menyebabkan 5 data hilang. Saya berasumsi imputasi ganda dapat membantu saya mengatasi hilangnya informasi dalam variabel lag ini, tetapi hasil imputasi tidak masuk akal.
Apakah ada ide yang lebih baik untuk memasukkan data yang hilang dalam variabel lag?
apa skema lag terdistribusi tertentu yang Anda laksanakan (Almond atau Koyck atau lainnya)? Saya selalu berpikir bahwa apa adanya, termasuk kelambanan berarti hilangnya informasi, baik dengan parameter tambahan untuk memperkirakan dan mengurangi derajat kebebasan. Yah Anda dapat memperkirakan nilai-nilai mundur (dengan eksponensial smoothing atau serupa), tapi saya pribadi tidak akan melakukannya.
—
Dmitrij Celov
Mengapa Anda menguji berbagai efek lag? Mengapa Anda tidak mencoba MENGIDENTIFIKASI model menggunakan Fungsi Korelasi Silang? Proses Box-Jenkins adalah Identifikasi, Perkirakan, dan Prakiraan.
—
Tom Reilly