आर में एकाधिक रैखिक प्रतिगमन फिटिंग: स्वतःसंबंधित अवशिष्ट

Question

मैं इस तरह से एक समीकरण के साथ आर में एक से अधिक रैखिक प्रतिगमन का अनुमान लगाने की कोशिश कर रहा हूं:

regr <- lm(rate ~ constant + askings + questions + 0)

पूछे जाने वाले प्रश्न और प्रश्न त्रैमासिक डेटा टाइम-सीरीज़ हैं, जिनके साथ निर्माण किया गया है askings <- ts(...)।

अब समस्या यह है कि मुझे स्वतःसंबंधित अवशिष्ट मिले। मुझे पता है कि gls फ़ंक्शन का उपयोग करके प्रतिगमन को फिट करना संभव है, लेकिन मुझे नहीं पता कि सही AR या ARMA त्रुटि संरचना की पहचान कैसे की जाए जो मुझे gls फ़ंक्शन में लागू करनी है।

मैं अब फिर से अनुमान लगाने की कोशिश करूंगा,

gls(rate ~ constant + askings + questions + 0, correlation=corARMA(p=?,q=?))

लेकिन मैं दुर्भाग्य से पी और क्यू की पहचान करने के लिए न तो एक आर विशेषज्ञ हूं और न ही एक सांख्यिकीय विशेषज्ञ।

मुझे खुशी होगी अगर कोई मुझे एक उपयोगी संकेत दे सके। अग्रिम बहुत बहुत धन्यवाद!

Jo

Answer 1

प्रयत्न

library(forecast)
fit <- auto.arima(rate, xreg=cbind(askings,questions))

यह रैखिक मॉडल फिट करेगा क्योंकि त्रुटियों के लिए स्वचालित रूप से एक ARMA संरचना की पहचान करेगा। यह GLS के बजाय MLE का उपयोग करता है, लेकिन वे asymptotically समतुल्य हैं।

Comments

यह कितना मददगार है।

— ओल्गा म्यू

Answer 2

यदि भविष्यवाणी आपका उद्देश्य है, तो आप मापदंडों पर कई मॉडल फिट कर सकते हैं:

expand.grid(p = 1:P, q = 1:Q)

कहां Pऔर Qअधिकतम AR (p) और MA (q) शब्द हैं जिन्हें आप BIC द्वारा निर्धारित सर्वोत्तम फिटिंग मॉडल में शामिल करना और चुनना चाहते हैं।

auto.arima()पैकेज में पूर्वानुमान इसके साथ मदद करेगा, लेकिन इसे आसानी से हाथ से expand.grid()और लूप द्वारा कोड किया जा सकता है और arima()फ़ंक्शन जो आर के साथ आता है।

ऊपर gls()कोई correlationसंरचना नहीं के साथ अवशिष्ट पर फिटिंग है ।

तुम भी सीधे हाथ से पूरी बात कर सकते हैं और निर्मित समारोह के gls()संयोजन के लिए सिर्फ बहुत सारे मॉडल फिट करके ।pqAIC()

आप सहसंबंध संरचना के बिना रैखिक मॉडल से अवशिष्ट के एसीएफ ( acf()) और आंशिक एसीएफ ( pacf()) को भी साजिश कर सकते हैं और आवश्यक मॉडल के आदेश को सुझाने के लिए उनका उपयोग कर सकते हैं।