Seite 1 von 1
Dynamische lineare Regression
Verfasst: Sa Dez 12, 2020 1:42 pm
von Giezeh
Hallo zusammen,
ich möchte ein dynamisches regressionsmodell mit autorregessivem teil der Form y(t) = a0 + a1 * D(t) + beta * y(t-1) + error(t)
verwenden. Wie kann ich das in Rstudio umsetzen?
Mein code lautet derzeit: dynlm(y_w~L(y_w,1)+L(Dummy,0)). y_w ist dabei ein Variable einer Zeitreihe, Dummy ist eine dummyvariable, die gesetzt wird, wenn der entsprechende Tag ein Wochenendtag ist.
Vielen Dank.
Beste Grüße
Giezeh
Re: Dynamische lineare Regression
Verfasst: Mo Dez 14, 2020 8:48 am
von jogo
Hallo Giezeh,
gibt es denn Probleme mit dem Code?
Aus welchem Paket ist die Funktion dynlm() ?
(wahrscheinlich aus dem Paket
dynlm ?)
Meiner Meinung nach müsste auch dies gut funktionieren:
$Dummy ist doch als Faktor kodiert, richtig?
(bitte kontrollieren!)
Gruß, Jörg
Re: Dynamische lineare Regression
Verfasst: Mo Dez 14, 2020 10:40 am
von Giezeh
Hallo Jörg,
danke für deine Antwort.
Vom Code her läuft es. Dynlm kommt aus dem Paket dynlm.
Der Dummy ist 1, wenn der Tag ein Samstag oder Sonntag ist, ansonsten 0.
Mein Problem liegt eher in der Interpretation.
Entspricht mein "Code-Modell" dem formalen Modell mit AR(1): Y_t=a_0+a_1*Y_t-1+D_t+epsilon_t ?
Wie kann ich nun testen, ob das Modell gut ist? Ziel ist es in einer Zeitreihe den Wochentags bzw. Wochenendeffekt zu unteruchen.
bringt andere Ergebnisse.
Vielen Dank.
Mfg
Giezeh
Re: Dynamische lineare Regression
Verfasst: Mo Dez 14, 2020 12:11 pm
von jogo
Hallo Giezeh,
ich vermute, dynlm() ist ähnlich sparsam mit der Ausgabe wie lm().
Üblicherweise gibt es dann eine spezielle Methode für die Funktion summary(), die die Ergebnisse rauskitzelt.
Also:
oder in zwei Schritten:
Gruß, Jörg
Re: Dynamische lineare Regression
Verfasst: Mo Dez 14, 2020 12:24 pm
von Giezeh
Hallo Jörg,
meine Ergebnisse sehen wie folgt aus, wobei ich das Modell auf mehrere Zeiträume anwende:
Zeitraum 1.
Code: Alles auswählen
Call:
dynlm(formula = y_w ~ L(y_w, 1) + L(We, 0))
Residuals:
Min 1Q Median 3Q Max
-50.834 -1.727 0.799 6.839 16.894
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -29.0753 4.1750 -6.964 3.11e-09 ***
L(y_w, 1) 0.3112 0.1062 2.930 0.00481 **
L(We, 0) 18.3215 3.5703 5.132 3.37e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 12.76 on 59 degrees of freedom
Multiple R-squared: 0.3718, Adjusted R-squared: 0.3505
F-statistic: 17.46 on 2 and 59 DF, p-value: 1.107e-06
jedoch weiß ich nicht, wann man das Modell als gut ansehen kann, bzw. ob ein AR(1) besser ist als z.B. ein AR(2).
Mfg
Giezeh
Re: Dynamische lineare Regression
Verfasst: Mo Dez 14, 2020 7:53 pm
von jogo
Hallo Giezeh,
reicht Dir die F-Statistik?
... oder willst Du die beiden Modelle gegeneinander testen?
Gruß, Jörg