maxlag

Author: spring-haru

14_Hetero.ipynb

@@ -115,7 +115,14 @@
     "cov_type='HAC', cov_kwds={'maxlags': n}, use_t=True\n",
     "```\n",
     "* `cov_type='HAC'`：不均一分散・自己相関頑健推定の指定\n",
-    "* `cov_kwds={'maxlags': n}`（必須）：`n`は残差のラグを示し，`n`の値に基づきパラメータの推定値の標準誤差を調整する。`n=10`とすれば`10`までのラグを考慮し計算する。標本の大きさより小さな値を設定する必要があり，標本の大きさに近い値を設定するのは避ける方が良いだろう。いずれにしろ，残差の自己相関の「長さ」を考えつつ，`n`を設定する必要があるれば良いだろう。また，`1`，`5`，`10`，`20`などの異なる値を使い，標準誤差がどう変化するかを確認するのも良いだろう。\n",
+    "* `cov_kwds={'maxlags': n}`（必須）：`n`は残差のラグを示し，`n`の値に基づきパラメータの推定値の標準誤差を調整する。`n=10`とすれば`10`までのラグを考慮し計算する。標本の大きさより小さな値を設定する必要がある。`n`を決める一つのルールとして次を紹介しよう。\n",
+    "    * Newey and West (1987)が提案したルール：`N`を標本の大きさとすると、次の値の整数部分を`n`に使う。\n",
+    "\n",
+    "$$\n",
+    "4\\left(\\frac{N}{100}\\right)^{2/9}の整数部分\n",
+    "$$\n",
+    "\n",
+    "    * また`for`ループを使い`n`を変化させて、標準誤差がどう変化するかを確認するのも良いだろう。\n",
     "* `use_t=True`（必須ではない）：`t`検定を使うことを指定する。\n",
     "\n",
     "ちなみに，`HC`はHeteroskedasticity Consistentの略であり，`HAC`はHeteroskedasticity-Autocorrelation Consistent`の略である。\n",
@@ -1094,7 +1101,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.11.9"
+   "version": "3.11.10"
   },
   "nteract": {
    "version": "0.15.0"