আমি জানি না যে কোনও মিশ্র মডেল খুব উপযুক্ত কিনা (স্ট্যান্ডার্ড প্যাকেজগুলি যেখানে র্যান্ডম এফেক্ট স্ট্রাকচারটি লিনিয়ার পূর্বাভাসক হিসাবে ব্যবহার করা হয়), যদি না আপনি ভাবেন যে সর্বকালের পয়েন্টগুলিতে ডেটা কোনও অর্থে একে অপরের সাথে বিনিময়যোগ্য হওয়া উচিত (কোন ক্ষেত্রে অনিয়মিত ব্যবধানগুলি একটি অ-ইস্যু) - এটি সত্যিই যুক্তিসঙ্গত উপায়ে অস্থায়ী স্ব-সংশোধনকে মডেলিং করবে না। এটি সম্ভব যে আপনি কিছুটা স্বতঃস্ফূর্ত কাজ করার জন্য লিমারকে () কৌতুক করতে পারেন তবে আপনি এখনই আমাকে কীভাবে পালাতে পারেন তা ঠিক করবেন (আমি সরাসরি ভাবছি না)। এছাড়াও, আমি নিশ্চিত নই যে "গ্রুপিং ভেরিয়েবল" কী এমন হবে যা মিশ্র মডেলের দৃশ্যে স্বতঃসংশোধনকে প্ররোচিত করে।
যদি অস্থায়ী স্বতঃসংশ্লিষ্টতা একটি উপদ্রব পরামিতি হয় এবং আপনি এটি খুব বেশি হওয়ার আশা করেন নাবৃহত্তর, তারপরে আপনি ডেটাগুলিকে যুগের সাথে বিভক্ত করতে পারেন যা পরস্পরের সাথে মূলত একে অপরের কাছ থেকে বিরত থাকে (উদাহরণস্বরূপ এমন পয়েন্টগুলিতে টাইম সিরিজটি আলাদা করুন যেখানে কয়েক মাসের ডেটা নেই) এবং সেগুলিকে স্বতন্ত্র প্রতিলিপি হিসাবে দেখতে পারেন। তারপরে আপনি এই সংশোধিত ডেটা সেটটিতে জিআইই এর মতো কিছু করতে পারেন যেখানে "ক্লাস্টার" সংজ্ঞায়িত করা হয়েছে আপনি কোন যুগের মধ্য দিয়ে আছেন এবং কার্যনির্বাহী ম্যাট্রিক্সের এন্ট্রিগুলি পর্যবেক্ষণগুলি কতটা দূরে রাখা হয়েছিল তার একটি ফাংশন। যদি আপনার রিগ্রেশন ফাংশনটি সঠিক হয় তবে আপনি যদি এখনও সম্পর্কের কাঠামোগুলি ভুল করে থাকেন তবেও আপনি রিগ্রেশন সহগগুলির সুসংগত অনুমান পাবেন। এটি আপনাকে এটি গণনা ডেটা হিসাবে মডেল করার অনুমতি দেয়, উদাহরণস্বরূপ, লগ-লিংক (যেমনটি সাধারণত পোয়েসন রিগ্রেশন হয়)। আপনি প্রজাতির মধ্যে কিছু পার্থক্যমূলক সম্পর্ক স্থাপন করতে পারেন, যেখানে প্রতিটি টাইম পয়েন্টকে প্রজাতির মাল্টিভারিয়েট ভেক্টর হিসাবে দেখানো হয় কিছু সময়ের পয়েন্টগুলির মধ্যে সাময়িক ক্ষয়িষ্ণু সংস্থার সাথে গণনা করা হয়। এটি করার জন্য স্ট্যান্ডার্ড জিইই প্যাকেজগুলি চালিত করতে কিছু প্রাক প্রক্রিয়াজাতকরণ প্রয়োজন।
সময়গত autocorrelation হয়, তাহলে না একটি উত্পাত প্যারামিটার হয়, আমি আরো কাঠামোগত সহভেদাংক মডেল যেখানে আপনি একটি বড় বহুচলকীয় ভেক্টর এক পর্যবেক্ষণ যেমন যে পর্যবেক্ষণ মধ্যে সহভেদাংক যেমন সমগ্র ডেটা সেটটি দেখতে ভালো কিছু চেষ্টা করবে প্রজাতি উপর হয় u , vYs,Ytu,v
cov(Ys,Yt)=fθ(s,t,u,v)
যেখানে কিছু প্যারামিট্রিক ফাংশন যা সীমিত সংখ্যক পরামিতি অবধি পরিচিত, , সাথে গড় কাঠামোটি পরিচালনা করতে বেশ কয়েকটি পরামিতি। এই জাতীয় মডেলটির জন্য আপনার নিজের "নিজের তৈরি" করার দরকার হতে পারে তবে এমপিএলএস প্যাকেজগুলি গণনা উপাত্তের জন্য এই জাতীয় কিছু করার জন্যও আমি অবাক হব না।θfθ