[R] 回帰分析で適切な方法を使わないとどうなるか (時系列編) - ill-identified diary概要 前回 大数の法則の視覚化から理想の推定量を考える - ill-identified diary の最後に上げた具体例の, 時系列分析の場合についても, 推定量の違いから生じる結果を視覚化してみた. 時系列はあまり詳しくないので操作変数編より内容が薄い. 安定な自己回帰 (AR) モデルと, 自己回帰移動平均 (ARMA) モデルの場合のみ. 時系列分析の話なのでそれなりに数式が出てくる. AR・ARMAモデルの基本的な話は, 日本語なら 沖本 (2010, 経済・ファイナンスデータの計量時系列分析) とか Rで計量時系列分析：AR, MA, ARMA, ARIMAモデル, 予測 - 六本木で働くデータサイエンティストのブログ とかを参考に. もう少し詳細厳密な話が知りたい場合は, Hamilton (2006, 時系列解析 (上) 定常過程編), Hayashi (2000, Eco
![[R] 回帰分析で適切な方法を使わないとどうなるか (時系列編) - ill-identified diary](https://cdn-ak-scissors.b.st-hatena.com/image/square/73e32f0bf26202ee8f1be8f8067ae1512e9881a0/height=288;version=1;width=512/http%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fi%2Fill-identified%2F20150511%2F20150511214624.png)
