我正在运行几个时间序列回归。我的例子是使用不同的数据，我没有注意使这些模型正确 - 它们只是说明我的问题。抱歉，我使用的是下载的数据集，而不是创建的数据集。我希望没关系。
我的任务是打印各种模型的texreg输出，包括但不限于ARIMA预测。我需要包括所有模型的观测值数。texreg 提取函数不包括 ARIMA 对象的观测值数量 - 或者至少观察值的数量永远不会在 gof 统计信息中打印。
我想到了两个选项，我希望帮助实现其中一个或两个：
- 将自定义行添加到 gof 统计信息中，并包含观测值数。这应该可以使用custom.gof.rows，如此处和此处所述。但是，从版本1.36.23开始，custom.gof.rows不会出现在texreg软件包的一部分中。也许它是出于某种原因被取出的？不确定。
如果有一个包含custom.gof.rows的texreg的秘密版本，任何人都可以链接到它吗？
library('ggplot2') library('forecast') library('tseries') library('texreg') library('lmtest') #data can be downloaded from: https://archive.ics.uci.edu/ml/datasets/Bike+Sharing+Dataset #Change to data path path<-c("") #Import data daily_data = read.csv(paste(path,'day.csv',sep=""), header=TRUE, stringsAsFactors=FALSE) #Mark a shift date daily_data$shift<- ifelse(daily_data$instant>12,1,0) #Create time series data dt <- ts(daily_data$temp, frequency=12, start= c(2011, 1)) #Define input vars for ARIMA (xvars <- as.matrix(daily_data[, c("instant", "shift")])) #Basic ARIMA a<- arima(dt, xreg=xvars) #Auto-ARIMA b<- auto.arima(dt, xreg=xvars) ##Where I want to include number of observations either automatically or using custom.gof.rows screenreg(list(coeftest(b),a))
这是我必须链接的输出(抱歉)
请注意，模型对象本身不是原因(我认为)。我可以自己提取观察值的数量并单独打印它们。
#Both models have number of observations in their objects that I can extract nobs_a<-nobs(a) nobs_b<-nobs(b) cat("Number of obs ARIMA: ",nobs_a,"n") cat("Number of obs Auto-ARIMA: ",nobs_b,"n") ##Custom.gof.rows doesn't appear to be in texreg version 1.36.23 screenreg((list(coeftest(b),a)), custom.gof.rows = list(nobs_a,nobs_b))
- >修改提取函数以包含观测值的数量，以便自动包含它们，如此处的扩展文档所讨论的那样。这是我完全陌生的，但我在下面尝试修改文本提取。有马函数，用于使用 nobs 检索观测值的数量。
function (model, include.pvalues = FALSE, include.aic = TRUE, include.loglik = TRUE, ...) { mask <- model$mask nam <- names(model$coef) co <- model$coef sdev <- sqrt(diag(model$var.coef)) if (include.pvalues == TRUE) { t.rat <- rep(NA, length(mask)) t.rat[mask] <- co[mask]/sdev pt <- 2 * pnorm(-abs(t.rat)) setmp <- rep(NA, length(mask)) setmp[mask] <- sdev } else { pt <- numeric() setmp <- sdev } gof <- numeric() gof.names <- character() gof.decimal <- logical() if (include.aic == TRUE) { aic <- AIC(model) gof <- c(gof, aic) gof.names <- c(gof.names, "AIC") gof.decimal <- c(gof.decimal, TRUE) } ##This is the section I added - ripped more or less intact from the extract.lm function if (include.nobs == TRUE) { gof <- c(gof, nobs) gof.names <- c(gof.names, "Num. obs.") gof.decimal <- c(gof.decimal, FALSE) } if (include.loglik == TRUE) { lik <- model$loglik gof <- c(gof, lik) gof.names <- c(gof.names, "Log Likelihood") gof.decimal <- c(gof.decimal, TRUE) } tr <- createTexreg(coef.names = nam, coef = co, se = setmp, pvalues = pt, gof.names = gof.names, gof = gof, gof.decimal = gof.decimal) > return(tr) } <bytecode:
这将运行，但会破坏 textreg 函数。如果我走错了路，我也很乐意链接到一个教程，以更改提取函数。您可能还注意到我在上面的代码中使用了 coeftest() 来提取 Auto-ARIMA 系数。我对为 Auto-ARIMA 预测对象编写一个 exract 函数非常感兴趣。我认为无论如何这是必要的，因为nobs只适用于b本身，而不适用于coeftest(b)。不过这是一个旁白 - 当我到达那里时，我可以弄清楚。
任何人都可以帮助其中一种或两种途径，或者提出一种不同的方法来在 texreg 输出中包含观察数量？
非常感谢您的任何帮助。
大约一年前，custom.gof.rows参数被添加到texreg、screenreg等函数中，还没有找到进入CRAN的途径，但最终会。目前，如果您想使用此参数，可以从 GitHub 安装最新版本。您可以按如下方式执行此操作(并且需要先安装remotes包)：
library(remotes)
install_github("leifeld/texreg")
custom.gof.rows参数采用向量的命名列表。您只是为观测值的数量提供两个值，作为custom.gof.rows参数的单独参数。相反，您需要将两者包装在一个向量中并为其附加一个名称，例如"Num. obs."。您可以按如下方式执行此操作：
screenreg(list(coeftest(b), a),
custom.gof.rows = list("Num. obs." = c(nobs(b), nobs(a))))
也就是说，我现在已将观测值的数量添加到 ARIMA 模型的extract方法中，因此您不再需要此参数。
您自己修改extract方法的尝试几乎奏效了。您还需要在函数头中包含include.nobs = TRUE参数，并且您需要将该函数注册为通用extract函数的方法，如《统计软件杂志》中的文章中所述。
为了让你的生活更轻松，我为你做了这件事。因此，如果您按照上述说明从 GitHub 安装最新版本的texreg，它应该会自动包含观察次数。
您正在使用的arima函数在stats包中定义。它返回一个Arima对象。我已经相应地更新了其extract方法。您上面使用的auto.arima函数是同一函数的包装器，并返回一个类forecast_ARIMA的对象(以前，其次是ARIMA)。这有点令人困惑，但重要的是要意识到这些区别。我已经为您更新了两种方法的观察数量，因此您的代码
screenreg(list(coeftest(b), a))
现在应返回以下输出：
======================================
Model 1 Model 2
--------------------------------------
ar1 0.96 ***
(0.04)
ar2 -0.30 ***
(0.05)
ar3 0.13 *
(0.05)
ar4 0.02
(0.05)
ar5 0.17 ***
(0.04)
intercept 0.43 ** 0.21 ***
(0.13) (0.05)
instant 0.00 0.00 *
(0.00) (0.00)
shift 0.02 0.25 ***
(0.05) (0.05)
--------------------------------------
AIC -440.26
BIC -421.88
Log Likelihood 224.13
Num. obs. 731
======================================
*** p < 0.001; ** p < 0.01; * p < 0.05
但是请注意，您使用的是模型b的lmtest包中的coeftest函数，该函数具有单独的类，因此extract方法，并且不返回观测值的数量。要获得模型b的观测值数，您可以直接包含它，而无需coeftest：
screenreg(list(b, a), single.row = TRUE)
这将返回以下输出：
=======================================================
Model 1 Model 2
-------------------------------------------------------
ar1 0.96 (0.04) ***
ar2 -0.30 (0.05) ***
ar3 0.13 (0.05) *
ar4 0.02 (0.05)
ar5 0.17 (0.04) ***
intercept 0.43 (0.13) ** 0.21 (0.05) ***
instant 0.00 (0.00) 0.00 (0.00) *
shift 0.02 (0.05) 0.25 (0.05) ***
-------------------------------------------------------
AIC -2183.71 -440.26
AICc -2183.46
BIC -2142.36 -421.88
Log Likelihood 1100.86 224.13
Num. obs. 731 731
=======================================================
*** p < 0.001; ** p < 0.01; * p < 0.05
如果您坚持使用coeftest，则可以将extract函数的输出保存在中间对象中并操作此对象。在下面的代码中，我从不coeftest版本中获取 GOF 块，并使用coeftest将其注入到版本中，然后将操作的对象而不是原始对象交给screenreg函数：
tr_b_coeftest <- extract(coeftest(b))
tr_b_plain <- extract(b)
tr_b_coeftest@gof.names <- tr_b_plain@gof.names
tr_b_coeftest@gof <- tr_b_plain@gof
tr_b_coeftest@gof.decimal <- tr_b_plain@gof.decimal
screenreg(list(tr_b_coeftest, a), single.row = TRUE)
这将返回以下输出：
=======================================================
Model 1 Model 2
-------------------------------------------------------
ar1 0.96 (0.04) ***
ar2 -0.30 (0.05) ***
ar3 0.13 (0.05) *
ar4 0.02 (0.05)
ar5 0.17 (0.04) ***
intercept 0.43 (0.13) ** 0.21 (0.05) ***
instant 0.00 (0.00) 0.00 (0.00) *
shift 0.02 (0.05) 0.25 (0.05) ***
-------------------------------------------------------
AIC -2183.71 -440.26
AICc -2183.46
BIC -2142.36 -421.88
Log Likelihood 1100.86 224.13
Num. obs. 731 731
=======================================================
*** p < 0.001; ** p < 0.01; * p < 0.05