如何一步一步地在R中适合这个模型?我的范围是对t+1做一个预测。
Y(t) = αX(t) + βY(t-1)
- Y(t) <- 1900 - 2000年的年份。
- X <-从0到100的评分。
- Y(t-1) <- Y的1阶滞后值
您的模型是具有协变量x
的y
的AR(1)时间序列。我们可以从R基数中使用arima0
(没有缺失值)或arima
(允许缺失值):
fit <- arima0(y, order = c(1, 0, 0), xreg = x)
让我们考虑一个小例子:
set.seed(0)
x <- runif(100)
## intercept: 0.1
## slope of `x`: 1.2
## AR(1) with coefficient 0.5
y <- 0.1 + 1.2 * x + arima.sim(list(ar = 0.5), n = 100, sd = 0.2)
fit <- arima0(y, order = c(1, 0, 0), xreg = x)
#Call:
#arima0(x = y, order = c(1, 0, 0), xreg = x)
#
#Coefficients:
# ar1 intercept xreg
# 0.4639 0.0645 1.2139
#s.e. 0.0879 0.0448 0.0590
#
#sigma^2 estimated as 0.03046: log likelihood = 32.55, aic = -57.11
请注意,估计与我们的真实模型一致。
谢谢。我如何插入更多的协变量(x1,x2,等等),以防万一?
看?arima0
(或?arima
):
xreg: Optionally, a vector or matrix of external regressors, which
must have the same number of rows as ‘x’.
你可以通过xreg
指定一个模型矩阵。假设在数据帧dat
中有回归量x1
, x2
, x3
,您可以通过以下方式生成此模型矩阵:
X <- model.matrix(~ x1 + x2 + x3, dat)
然后fit <- arima0(y, order = c(1, 0, 0), xreg = X)
使用预测包并使用ARIMAX函数并指定结构,在本例中它将是(1,0,0)。xreg参数将允许您包含额外的协变量。
应该是这样的…
library(forecast)
fit <- Arima(y, order=c(1,0,0),xreg = x)