Too many lags could increase the er

Too many lags could increase the error in the forecasts, too few could leave out relevant information. Experience, knowledge and theory are usually the best way to determine the number of lags needed. There are, however, information criterion procedures to help come up with a proper number. Three commonly used are: Schwarz's Bayesian information criterion (SBIC), the Akaike's information criterion (AIC), and the Hannan and Quinn information criterion (HQIC). All these are reported by the command ‘varsoc’ in Stata.

Kết quả (Việt) 1:

Chậm lại quá nhiều có thể làm tăng lỗi trong các dự báo, quá ít có thể bỏ qua thông tin liên quan. Kinh nghiệm, kiến thức và lý thuyết là thường là cách tốt nhất để xác định số lượng chậm lại cần thiết. Không là, Tuy nhiên, các quy trình tiêu chuẩn thông tin để giúp đưa ra một số thích hợp. 3 sử dụng phổ biến là: Schwarz của Bayes tiêu chí thông tin (SBIC), tiêu chuẩn thông tin của Akaike (AIC) và các Hannan và Quinn thông tin tiêu chí (HQIC). Tất cả các được báo cáo bởi lệnh 'varsoc' trong Stata.

Kết quả (Việt) 2:

Quá nhiều độ trễ có thể làm tăng các lỗi trong dự báo, quá ít có thể bỏ qua thông tin liên quan. Kinh nghiệm, kiến ​​thức và lý thuyết thường là cách tốt nhất để xác định số lượng của độ trễ cần thiết. Tuy nhiên, thủ tục tiêu chí thông tin để giúp đưa ra một số thích hợp. Ba thường được sử dụng là: tiêu chí thông tin Bayesian Schwarz (SBIC), thông tin tiêu chuẩn của Akaike (AIC), và các tiêu chí Hannan và Quinn thông tin (HQIC). Tất cả những được báo cáo bởi các lệnh 'varsoc' trong Stata.