Question

我想知道线性回归函数Session { cookie: { path: '/', _expires: null, originalMaxAge: null, httpOnly: true }, passport: {} }是否应该完全适用于1分钟间隔的时间序列。我希望是的，但在这种情况下似乎不是。我有以下xts时间序列lm

应用mean 2016-03-11 08:37:00 10 2016-03-11 08:38:00 11 2016-03-11 08:39:00 12会给出

lm( z ~ index(z) )

因此回归的斜率是NA。我想知道为什么？我没有看到任何数学原因导致无法计算出来。

如果我将第一行的时间更改为间隔为5分钟，那么Coefficients: (Intercept) index(z) 11 NA等于

然后mean 2016-03-11 08:33:00 10 2016-03-11 08:38:00 11 2016-03-11 08:39:00 12按预期工作并返回4.839e-3

的斜率

lm( z ~ index(z) )

我是否误解了Coefficients: (Intercept) index(z) -7.053e+06 4.839e-03函数应如何工作？或者有人可以评论这种行为吗？还有其他功能可以计算1min系列的斜率吗？

Answer 1

这不是特定于xts或lm函数。一般来说，估计线性回归系数是一个问题。您无法使用有效不变的数据（在浮点算术精度内）估算数据序列中的变化。

你可以看到你的第一个例子是计算奇异的：

lm(z ~ index(z), singular.ok=FALSE)
Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 
  singular fit encountered

但它会＆＃34;工作＆＃34;如果你降低公差，但这会牺牲数值稳定性。

lm(z ~ index(z), singular.ok=FALSE, tol=1e-8)

Call:
lm(formula = z ~ index(z), singular.ok = FALSE, tol = 1e-08)

Coefficients:
(Intercept)     index(z)  
 -2.430e+07    1.667e-02

您的第二个示例有效，因为您创建了足够的变体。

lm功能1分xts时间序列

1 个答案: