日本統計学会小川研究奨励賞特別寄稿論文
混合頻度ベクトル自己回帰モデルとグレンジャー因果性検定
2020 年 50 巻 1 号 p. 191-204
詳細
2020 年 50 巻 1 号 p. 191-204
時系列データは様々な頻度で観測される．従来の多変量時系列分析は，分析対象となる変数の観測頻度が統一されていることを前提として成り立っていた．観測頻度を統一する際，一部の変数の時制集約が行われ，分析精度の低下が引き起こされる．この課題を解決すべく，複数の観測頻度の混在を許容する時系列分析が急速に発展している．この新たなアプローチは，Mixed Data Sampling (MIDAS)と総称される．近年，MIDASはベクトル自己回帰モデルとグレンジャー因果性検定に導入された．本稿では，これら最新の研究成果を解説し，米国の月次の物価上昇率と四半期の経済成長率の相互依存関係を分析する．分析の結果，経済成長率から物価上昇率への有意なグレンジャー因果性が検出された．物価上昇率を四半期に集約すると，経済成長率から物価上昇率への有意な因果性は検出されなくなる(見せかけの非因果性)．これはMIDASの有用性を示唆する分析結果である．
