আরে একাধিক লিনিয়ার রিগ্রেশন ফিটিং করা হচ্ছে: স্বতঃসংশ্লিষ্ট রিসিডুয়ালগুলি

Question

আমি আর এর মতো সমীকরণের সাথে একাধিক লিনিয়ার রিগ্রেশন অনুমান করার চেষ্টা করছি:

regr <- lm(rate ~ constant + askings + questions + 0)

জিজ্ঞাসা এবং প্রশ্নগুলি ত্রৈমাসিক ডেটা টাইম-সিরিজ, দিয়ে নির্মিত askings <- ts(...)।

এখন সমস্যাটি হ'ল আমি স্ব-সংযুক্তিযুক্ত অবশিষ্টাংশ পেয়েছি। আমি জানি যে জিএলএস ফাংশনটি ব্যবহার করে রিগ্রেশনটি ফিট করা সম্ভব তবে আমি জিএলএস ফাংশনে প্রয়োগ করতে হবে এমন সঠিক এআর বা এআরএমএ ত্রুটি কাঠামোটি কীভাবে চিহ্নিত করব তা আমি জানি না।

আমি এখন দিয়ে আবার অনুমান করার চেষ্টা করব,

gls(rate ~ constant + askings + questions + 0, correlation=corARMA(p=?,q=?))

তবে আমি দুর্ভাগ্যক্রমে কোনও আর বিশেষজ্ঞ বা সাধারণভাবে কোনও পরিসংখ্যান বিশেষজ্ঞ নন যে পি এবং কিউ সনাক্ত করতে পারি।

যদি কেউ আমাকে একটি কার্যকর ইঙ্গিত দিতে পারে তবে আমি সন্তুষ্ট হব। আগাম অনেক ধন্যবাদ!

জো

Answer 1

চেষ্টা

library(forecast)
fit <- auto.arima(rate, xreg=cbind(askings,questions))

এটি লিনিয়ার মডেলটিকে ফিট করবে যেমন ত্রুটির জন্য স্বয়ংক্রিয়ভাবে একটি এআরএমএ কাঠামো সনাক্ত করবে। এটি জিএলএসের চেয়ে এমএলই ব্যবহার করে তবে এগুলি সংক্ষিপ্ত আকারে সমতুল্য।

Comments

এটি এত সহায়ক।

— ওলগা মি

Answer 2

যদি ভবিষ্যদ্বাণীটি আপনার উদ্দেশ্য হয় তবে আপনি পরামিতিগুলির জন্য অনেকগুলি মডেল ফিট করতে পারেন:

expand.grid(p = 1:P, q = 1:Q)

যেখানে Pএবং Qসর্বোচ্চ শিরোণামে (P) এবং এম এ (থ) পদ আপনি অন্তর্ভুক্ত এবং সাথে BIC দ্বারা নির্ধারিত সেরা ফিটিং মডেল নির্বাচন করুন করতে ইচ্ছুক হয়।

auto.arima()প্যাকেজ পূর্বাভাস এর সাথে সাহায্য করবে, তবে এটি হাত expand.grid()এবং লুপ এবং arima()আর এর সাথে উপস্থিত ফাংশনটি দ্বারা সহজে কোড করা যায় ।

উপরোক্ত gls()কোনও কাঠামোহীন থেকে অবশিষ্টাংশগুলিতে উপযুক্ত correlation।

এছাড়াও আপনি পুরো জিনিস হাতে সরাসরি কাজ করতে পারে gls()শুধু সমন্বয় জন্য মডেল প্রচুর ঝুলানো দ্বারা pএবং qএবং নির্মিত মধ্যে AIC()ফাংশন।

আপনি কোনও লেনদেনের কাঠামো ছাড়াই রৈখিক মডেল থেকে এসিএফ ( acf()) এবং আংশিক এসিএফ ( pacf()) এর প্লট করতে পারেন এবং প্রয়োজনীয় মডেলের ক্রম প্রস্তাব দেওয়ার জন্য তাদের ব্যবহার করতে পারেন।