Question

我试图通过在月度假人身上回归这些变量来调整时间序列（8年）自变量（197个变量）的季节性。我把我的假人编码如下：

dummy1 <- model.matrix( ~ intraMonth, data = AnovaDataAll)

此后，我使用虚拟变量对每个变量的相关变量进行回归：

MultReg <- lapply(CorData[c(-1, -c(195:293))], function(x) summary(lm(formula = ReturnIndex ~ x + dummy1, data = CorData)))

回归分析给出了以下结果（例如，第一个变量=权益）：

$equity

Call:
lm(formula = ReturnIndex ~ x + dummy1, data = CorData)

Residuals:
    Min      1Q  Median      3Q     Max 
-49.273  -5.263   0.640   5.560  45.373 

Coefficients: (1 not defined because of singularities)
                   Estimate Std. Error t value Pr(>|t|)  
(Intercept)         -0.7610     1.9749  -0.385   0.7002  
x                   -0.3586     0.6165  -0.582   0.5611  
dummy1(Intercept)        NA         NA      NA       NA  
dummy1intraMonth2    4.8220     2.8404   1.698   0.0903 .
dummy1intraMonth3    2.5903     2.7683   0.936   0.3500  
dummy1intraMonth4    1.7586     2.8082   0.626   0.5315  
dummy1intraMonth5    1.6997     2.7823   0.611   0.5416  
dummy1intraMonth6    3.1196     2.8143   1.108   0.2683  
dummy1intraMonth7    2.5446     2.7546   0.924   0.3562  
dummy1intraMonth8   -1.7986     2.7646  -0.651   0.5157  
dummy1intraMonth9    2.5249     2.7768   0.909   0.3637  
dummy1intraMonth10   1.9284     2.7982   0.689   0.4911  
dummy1intraMonth11   3.9216     2.7773   1.412   0.1587  
dummy1intraMonth12   0.9890     2.9464   0.336   0.7373  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 11.55 on 406 degrees of freedom
Multiple R-squared:  0.02259,   Adjusted R-squared:  -0.006298 
F-statistic: 0.782 on 12 and 406 DF,  p-value: 0.6692

我很想知道，如果我成功对我的回归模型进行了季节性调整。此外，我想通过查看他们的统计数据来对所有变量进行统计显着性排序。基于输出上限，我只需要查看“x”行并取t值为-0.582吗？我如何解释第一个假人（在这种情况下是1月假人）的拦截？是否重要，如果我在12月假人上设置拦截而不是1月？

Answer 1

基于输出的上限，我只需要查看＆＃34; x＆＃34;行并取t值为-0.582？

是

如何解释第一个假人（在本例中为1月假人）的拦截？是否重要，如果我在12月假人上设置截距而不是1月份？

您只能获得11个虚拟变量（例如，两个分类 - 一个变量，依此类推）。您可以将任何一个月作为拦截。

带有虚拟变量的时间序列变量的多元回归

1 个答案: