GLM與自迴歸項來糾正序列相關

Question

我有一個固定的時間序列，我想要擬合一個自迴歸項的線性模型來校正序列相關，即使用公式At = c1 * Bt + c2 * Ct + UT，其中UT = R * UT-1 +等

（UT爲AR（1）項，以校正誤差項序列相關）

誰知道R中使用什麼模型這個？

感謝 卡爾

Answer 1

GLMMarp包將適合這些模型。如果你只是想要一個具有高斯誤差的線性模型，你可以用arima()函數來做到這一點，其中通過xreg參數指定協變量。

Answer 2

什麼是你的鏈接功能？

你描述它的方式聽起來像一個帶有自相關錯誤的基本線性迴歸。在這種情況下，一種選擇是使用lm來獲得係數的一致估計值並使用Newey-West HAC standard errors。

我不確定GLM更普遍的最佳答案。

Answer 3

有幾種方法可以做到這一點R.下面是使用自帶的R.

的arima()功能"Seatbelts" time series dataset in the datasets package兩個例子來封裝：附帶R.統計該函數的參數形式order=c(p, d, q)您可以在其中指定自迴歸，積分和移動平均分量的順序。在你的問題中，你建議你想創建一個AR（1）模型來糾正錯誤中的一階自相關，就是這樣。我們可以用下面的命令來做到這一點：

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

訂單的值指定我們需要AR（1）模型。 xreg組件應該是我們想要作爲迴歸的一部分添加的一系列其他X.輸出看起來有點像summary.lm()的輸出側。

另一個替代過程可能更適合您的方式迴歸模型在nlme package中使用gls()。下面的代碼接通安全帶時間序列對象到一個數據幀，然後提取並增加了新的一列（噸），這只是在排序時間序列對象的計數器：

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

兩個以上行只有獲取數據。由於arima()功能是爲時間序列而設計的，因此它可以更輕鬆地讀取時間序列對象。爲了使用nlme來擬合模型，您可以運行：

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

以「correlation」開頭的行是您將ARMA關聯結構傳遞給GLS的方式。結果將不完全相同，因爲arima()使用最大似然來估計模型，gls()默認情況下使用受限制的最大似然。如果您將method="ML"添加到gls()的調用中，您將得到與上述ARIMA函數相同的估算值。