我真的需要一些帮助
我必须查看假日，特殊日子和天气对我的每日数据是否有影响。每日数据显然是季节性周期。
因此，我试图用大约1100次观察进行线性回归。第一步是按照我读过的文件中描述的那样改变销售数量。
保留时间= LN（PT /铂-1）* 100
其中Pt是今天的销售额，而Pt-1是前一天的销售额
考虑到季节性，我只是使用星期几的第一次线性回归作为虚拟变量
fit<- lm(log_return~D1+D3+D4+D5+D6+D7,data=mydata)
给出以下结果：Model Plot
残差是非正常的，Q-Q情节显示了一些沉重的腿。我认为这可能是因为剩余物具有显着的异位性和自相关性。
从我读过的论文中，作者总是使用Standard White和Newey West 来修正残差中的异质性和自相关性。变量，我有两个问题，使我的OLS肯定是错的。
来自R的三明治文档，看来Newey West可以自动找到适当数量的滞后，这对我来说很棒，因为我尝试了几个ARMA（ p，q）变体没有成功。
所以现在我运行 vcovHAC（fit），我不确定它是什么。它是否与White SE完全纠正我的未知自相关和异方差的问题，并找到纠正回归所需的必要滞后？
如何将此应用于我的回归以获得与摘要（拟合）相同的摘要，但是使用R中的更正值，包括Rsquared？ 它是否神奇地纠正了一切？有什么限制？
非常感谢你们
