Question

大家好。我的任务是在过去的两周内试图解决这个问题，而我的教授几乎没有帮助。我并不是真的要求确切的代码，但我无法解决问题......

我们给出了一组变量数据（M，R，Y），并要求我们运行图像中显示的回归。我现在的问题是我似乎无法创建一个滞后变量。我被告知1）我们不需要使用时间序列对象2）我应该使用时间序列对象（基于我的研究）。此外，当我们到达要求我们运行t = 2及之后的回归以得到p_hat的部分时，我能得到的唯一系数是1.0000而我们应该得到的B1最终会变成像3.14e这样的-11，一些令人难以置信的错误。根据给出的数据，这是我目前的变量。如果有人能够帮助指导我朝着正确的方向发展，我将非常感激。

#Creates Time Series Objects Which Can Be Lagged using lag()
Mt2 <- ts(data=DATA$M, start=1,end=180,frequency=1)
Mt1 <- ts(data=DATA$M, start=1,end=180,frequency=1)
Rt2 <- ts(data=DATA$R, start=1,end=180,frequency=1)
Yt2 <- ts(data=DATA$Y, start=1,end=180,frequency=1)

#Dependent Variable starts at t=2 and ends at t=181
#Lag Variable starts at t=1 and ends at t=180
Model_A <- lm( Mt2 ~ lag(Mt2,1) + Rt2  + Yt2, data=DATA)
bgtest(Model_A) #Conclude there is Autocorrelation

e <- resid(Model_A)
et <- ts(e,start=2,end=180,frequency=1)
et2 <- ts(e,start=1, end=179, frequency=1)
Model_e <- lm(et ~ et2)

Answer 1

在普通lag()公式中使用lm()不起作用，因为lag()只是移动时间索引但保持数据向量不变。并且当lm()（或者更确切地说model.frame()）忽略时间索引时，这导致将响应变量包括为回归量之一，因此回归系数为1.作为说明：

lm(Nile ~ lag(Nile, -1))
## Call:
## lm(formula = Nile ~ lag(Nile, -1))
## 
## Coefficients:
##   (Intercept)  lag(Nile, -1)  
##    -1.819e-13      1.000e+00

此问题有多种解决方案，包括：

使用ar()或arima()等专用时间序列基础结构。后者还可以通过xreg轻松合并其他回归量：

arima(Nile, c(1, 0, 0))
## Call:
## arima(x = Nile, order = c(1, 0, 0))
## 
## Coefficients:
##          ar1  intercept
##       0.5063   919.5685
## s.e.  0.0867    29.1410
## 
## sigma^2 estimated as 21125:  log likelihood = -639.95,  aic = 1285.9

将lm()的便捷界面与model.frame一起使用 dyn或dynlm：

等处理

library("dynlm")
dynlm(Nile ~ L(Nile, 1))
## Time series regression with "ts" data:
## Start = 1872, End = 1970
## 
## Call:
## dynlm(formula = Nile ~ L(Nile, 1))
## 
## Coefficients:
## (Intercept)   L(Nile, 1)  
##    452.7668       0.5043

在致电lm()之前“手动”执行延迟预处理：

nile <- ts.intersect(Nile = Nile, NileLag = lag(Nile, -1))
lm(Nile ~ NileLag, data = nile)
## Call:
## lm(formula = Nile ~ NileLag, data = nile)
## 
## Coefficients:
## (Intercept)      NileLag  
##    452.7668       0.5043

根据您是否需要特定的估算方法或返回的模型类进行进一步计算，一种或另一种策略可能更方便。在您的特定情况下，我会推荐最后一个解决方案，然后使用普通lm()完成练习中的不同步骤。

Answer 2

使用data.frame并“手动”创建滞后变量或使用dplyr :: lag之类的东西。像这样：

X <- 1:10
Xlag <- c(NA, X[1:9])

基本R lag函数对除ts对象以外的任何其他函数都没有用，除了支持它们的特定建模函数外，它们不是很有用。

R，AR（1）和FGLS计算。无法创建滞后变量

2 个答案: