انتخاب مدل مناسب برای برآورد داده های سری زمانی از مهم‌ترين مسئله‌اي كه در استفاده از الگوهاي سري زماني وجود دارد، انتخاب الگوي مناسب از بين طيف گسترده اين الگوها به منظور داشتن تخمین و پيش‌بيني بهتر است. اين انتخاب معمولاً بر اساس ويژگي‌هاي سري‌هاي زماني و چگونگي رابطه بين آنها صورت مي‌گيرد. لذا انتخاب الگوي سري زماني مناسب در این مطالعه طي شش مرحله صورت مي‌گيرد. که در نمودار 1 نیز ذکر شده است.
این مراحل به شرح زير است:
مرحله اول: متغيرهايي كه به نظر پژوهش‌گر و اغلب بر اساس نظريه‌هاي اقتصادي داراي وجود رابطه احتمالي هستند، به عنوان بردار متغيرهاي الگوي اوليه در نظر گرفته مي‌‌شوند.
مرحله دوم: از آنجا كه وجود ريشه واحد در هر يك از متغيرهاي الگو يكي از ويژگي‌هاي مهم آماري متغيرهاي مورد مطالعه است، با استفاده از آزمون‌های ریشه واحد مورد بررسي قرار مي‌گيرد تا مرتبه هم‌جمعی آنها مشخص شود.
مرحله سوم: با توجه به اينكه حداقل دو متغیر از متغيرهاي الگو هم‌جمع از مرتبه يك هستند، احتمال وجود رابطه بلندمدت بين آنها زياد است. بنابراين، در اين مرحله بايد وجود رابطه بلندمدت بين متغيرهاي الگو آزمون شود. تأييد وجود رابطه بلندمدت بين متغيرهاي الگو نوع خاصي از الگوي سري زماني را براي بيان رفتار متغیر وابسته پيشنهاد مي‌كند كه در مراحل بعد به آنها خواهیم پرداخت.
مرحله چهارم: وجود هم‌جمعی از مرتبه يك به همراه تأييد وجود رابطه بلندمدت، استفاده از الگوي تصحيح خطا را براي تبيين رفتار متغير مورد نظر را پيشنهاد مي‌كند؛ بنابراين از اين الگو بايد براي بررسي رفتار و پيش‌بيني آتي آن استفاده شود.
مرحله پنجم: انجام آزمون‌های تشخیصی به جهت بررسی فروض کلاسیک که حاکی از عدم وجود مشکل ناهم‌سانی واریانس، خود هم‌بستگی و نرمال بودن توزیع جزء اخلال‌ها دارد.
مرحله ششم: بررسی ثبات مدل و تعیین وجود یا عدم وجود شکست ساختاری در مدل مورد نظر
مرحله هفتم: در صورتي كه بر اساس آزمون مرحله دوم متغيرهاي مورد مطالعه ايستا باشند، آنگاه بايد نوع رابطه علّي بين متغيرهاي الگو نیز مشخص شود.
در همين راستا نمودار ذيل مراحل تخمین یک مدل سری زمانی را نشان مي‌دهد و تا زماني كه مدل مناسب پيدا نشود تكرار خواهد شد.
خرید این کتاب از طریق همین سایت در منوی بانک کتاب