我看过很多资源,但似乎无法找到答案。 基本上我有各种与天气有关的时间序列,并且想要进行OLS估计。举个简单的例子:
Y =恒定+ B1 *雨+ B2 *阳光
数据是每小时一次,跨度为5年。在给定小时发生的降雨量和日照量与前一个小时内相同变量的数量有关,因此我通过自回归过程或首先对上面的等式求差并降低常数来解决这个问题。
然而,天气也有小时模式(例如,在一天的特定时间有更多的阳光),月度模式和年度模式(几个月和几年有不寻常的阳光或雨水)。出于这个原因,我想使用时间固定效应,这实际上是样本的每个小时 - 月 - 年的虚拟变量。假设样本有5年,这意味着总共1440个固定效果假人有5年* 12个月* 24小时。
问题是,是否有任何方法可以在回归命令中自动创建这些假人?或者在运行回归之前创建虚拟对象,我将如何执行这些创建它们的步骤,然后在命令中包含1440个虚拟对象? 我可以在Stata或R中这样做,所以如果你知道如何在其中任何一个中做到这一点,我将不胜感激
TLDR:如何创建1440时间固定效果虚拟对象(5年内每小时一次),然后在回归命令中使用它?