Wie kann der Informationsverlust durch Verzögerungsvariablen verringert werden?

Ich verwende ein verteiltes Verzögerungsmodell, um Zeitreihendaten zu analysieren. Die Studiendauer beträgt 18 Jahre, und die Beobachtung besteht aus jährlichen Daten. Wenn ein 1-Jahres-Verzögerungseffekt einbezogen wird, fehlt das erste Jahr der Verzögerungsvariablen. Bei einem Verzögerungseffekt von 2 Jahren fehlen dann die ersten beiden Daten der Verzögerungsvariablen usw.

Ich werde in meinen Studien fünf Verzögerungseffekte analysieren, aber fünf Verzögerungsvariablen haben 5 fehlende Daten verursacht. Ich gehe davon aus, dass die mehrfache Imputation mir helfen kann, den Informationsverlust in diesen Verzögerungsvariablen zu überwinden, aber das Ergebnis der Imputation ist nicht angemessen.

Gibt es eine bessere Idee, die fehlenden Daten in Verzögerungsvariablen zu unterstellen?

time-series missing-data

— cchien
quelle

Welches spezielle verteilte Verzögerungsschema implementieren Sie (Almond oder Koyck oder ein anderes)? Ich habe immer gedacht, dass es so ist, wie es ist, einschließlich Verzögerungen bedeutet den Verlust von Informationen, sowohl durch zusätzliche Parameter zur Schätzung als auch zur Verringerung der Freiheitsgrade. Nun, Sie können die Werte rückwärts prognostizieren (durch exponentielle Glättung oder ähnliches), aber ich persönlich würde dies nicht tun.

— Dmitrij Celov

Warum testen Sie verschiedene Verzögerungseffekte? Warum versuchen Sie nicht, das Modell mithilfe der Kreuzkorrelationsfunktion zu identifizieren? Der Box-Jenkins-Prozess besteht darin, zu identifizieren, zu schätzen und zu prognostizieren.

— Tom Reilly

Sie können nicht anders, als Informationen zu verlieren, wenn Sie Verzögerungen verwenden. Ich kann mir keinen Weg vorstellen, außer kürzere Verzögerungen zu verwenden.

— Zach
quelle