Bagaimana saya menyesuaikan model linier dengan kesalahan autokorelasi dalam R? Di stata saya akan menggunakan prais
perintah, tapi saya tidak dapat menemukan setara R ...
19
Bagaimana saya menyesuaikan model linier dengan kesalahan autokorelasi dalam R? Di stata saya akan menggunakan prais
perintah, tapi saya tidak dapat menemukan setara R ...
Selain
gls()
fungsi darinlme
, Anda juga dapat menggunakanarima()
fungsi dalamstats
paket menggunakan MLE. Berikut ini adalah contoh dengan kedua fungsi tersebut.Keuntungan dari fungsi arima () adalah Anda dapat memuat berbagai proses kesalahan ARMA yang jauh lebih besar. Jika Anda menggunakan fungsi auto.arima () dari paket perkiraan, Anda dapat secara otomatis mengidentifikasi kesalahan ARMA:
sumber
arima
Opsi ini terlihat lebih berbeda dari Stataprais
pada pandangan pertama, tetapi lebih fleksibel dan Anda juga dapat menggunakantsdiag
untuk mendapatkan visual yang bagus tentang seberapa baik asumsi AR (1) Anda benar-benar cocok.Gunakan fungsi gls dari paket nlme . Inilah contohnya.
Karena model dipasang menggunakan kemungkinan maksimum, Anda perlu memberikan nilai awal. Nilai awal default adalah 0, tetapi seperti biasa, baik untuk mencoba beberapa nilai untuk memastikan konvergensi.
Seperti yang ditunjukkan oleh Dr. G, Anda juga dapat menggunakan struktur korelasi lainnya, yaitu ARMA.
Perhatikan bahwa secara umum estimasi kuadrat terkecil konsisten jika matriks kovarians dari kesalahan regresi bukan kelipatan dari matriks identitas, jadi jika Anda mencocokkan model dengan struktur kovarians tertentu, pertama-tama Anda perlu menguji apakah itu sesuai.
sumber
Anda dapat menggunakan prediksi pada output gls. Lihat? Memprediksi. Anda juga dapat menentukan urutan pengamatan dengan istilah "bentuk" dalam struktur korelasi. Sebagai contoh:
corr=corAR1(form=~1)
menunjukkan bahwa urutan data adalah yang ada di tabel.corr=corAR1(form=~Year)
menunjukkan bahwa urutan adalah salah satu faktor Tahun .. Akhirnya nilai "0,5" padacorr=corAR1(0.5,form=~1)?
umumnya diatur hingga nilai parameter yang diperkirakan mewakili struktur varians (phi, dalam kasus AR, theta dalam kasus MA .. .). Ini opsional untuk mengaturnya dan digunakan untuk optimasi seperti yang disebutkan oleh Rob Hyndman.sumber