계열 상관관계를 수정하기 위한 자기회귀 항이 있는 GLM

Question

직렬 상관관계를 수정하기 위해 자기회귀 항을 사용하여 선형 모델을 맞추려는 고정 시계열이 있습니다. 즉,At = c1*Bt + c2*Ct + ut 공식을 사용합니다. 여기서 ut = r*ut-1 + et

(ut는 오류 항의 계열 상관을 수정하기 위한 AR(1) 항입니다.)

이것을 모델링하기 위해 R에서 무엇을 사용해야 하는지 아는 사람이 있습니까?

감사합니다 Karl

Answer 1

그만큼 glmmarp 패키지는이 모델에 적합합니다. 가우스 오류가있는 선형 모델 만 원한다면 arima() 공변량이 the를 통해 지정되는 기능 xreg 논쟁.

Answer 2

R에서는 이를 수행하는 여러 가지 방법이 있습니다.다음은 데이터세트 패키지의 "안전벨트" 시계열 데이터세트 R과 함께 제공되는 것입니다.

그만큼 arima() 함수는 R에 포함된 package:stats에 들어 있습니다.함수는 다음 형식의 인수를 사용합니다. order=c(p, d, q) 여기서 자동 회귀, 통합 및 이동 평균 구성 요소의 순서를 지정할 수 있습니다.귀하의 질문에서 오류의 1차 자기 상관을 수정하기 위해 AR(1) 모델을 만들 것을 제안했습니다.다음 명령을 사용하여 이를 수행할 수 있습니다.

arima(Seatbelts[,"drivers"], order=c(1,0,0),
      xreg=Seatbelts[,c("kms", "PetrolPrice", "law")])

order 값은 AR(1) 모델을 원한다는 것을 지정합니다.xreg 구성요소는 회귀의 일부로 추가하려는 일련의 다른 X여야 합니다.출력은 다음의 출력과 약간 비슷해 보입니다. summary.lm() 그쪽으로 향했다.

회귀 모델을 적용한 방식에 더 친숙한 또 다른 대체 프로세스는 다음을 사용하는 것입니다. gls() 에서 nlme 패키지.다음 코드는 Seatbelt 시계열 개체를 데이터 프레임으로 변환한 다음 새 열(티) 이는 정렬된 시계열 개체의 카운터일 뿐입니다.

Seatbelts.df <- data.frame(Seatbelts)
Seatbelts.df$t <- 1:(dim(Seatbelts.df)[1])

위의 두 줄은 데이터의 모양을 가져오는 것뿐입니다.이후 arima() 함수는 시계열용으로 설계되었으므로 시계열 개체를 더 쉽게 읽을 수 있습니다.nlme로 모델을 맞추려면 다음을 실행합니다.

library(nlme)
m <- gls(drivers ~ kms + PetrolPrice + law,
         data=Seatbelts.df,
         correlation=corARMA(p=1, q=0, form=~t))
summary(m)

"correlation"으로 시작하는 줄은 ARMA 상관 구조를 GLS에 전달하는 방식입니다.결과가 정확히 같지는 않기 때문에 arima() 최대 우도를 사용하여 모델을 추정하고 gls() 기본적으로 제한된 최대 가능성을 사용합니다.추가하면 method="ML" 전화로 gls() 위의 ARIMA 함수로 얻은 것과 동일한 추정치를 얻게 됩니다.

Answer 3

링크 기능은 무엇입니까?

설명하는 방식은 자기 상관 오류가있는 기본 선형 회귀처럼 들립니다. 이 경우 하나의 옵션은 사용하는 것입니다 lm 계수와 사용에 대한 일관된 추정치를 얻으려면 Newey-West HAC 표준 오류.

GLM에 대한 최상의 답변이 더 일반적으로 확실하지 않습니다.