我对回归分析中滞后的R实现感到困惑。
看看这个线性回归:y~X+滞后(X，1)，意思非常清楚，它试图做一个线性回归。滞后( X，1)表示X的第一个滞后，使我感到困惑的是滞后函数的R实现。在R中，滞后(X，1)将X移动到以前的时间，例如
>library(zoo)
>
>str(zoo(x))
‘zoo’ series from 1 to 4
Data: num [1:4] 11 12 13 14
Index:int [1:4] 1 2 3 4
>lag(zoo(x))
1 2 3
12 13 14当你回归时，R在时间2中准确地使用了哪个值？我猜R是这样使用数据的：
time 1 2 3 4
Y anything
X 11 12 13 14
lagX 12 13 14但这是胡说八道！因为我们应该在时间2(或任何特定的时间)使用X的裂变滞后和当前的X，即11和12，而不是上面的1312！X的裂变滞后应该是先验X，不是吗？我太困惑了！请向我解释，非常感谢。
回答 2
Stack Overflow用户
发布于 2015-12-15 16:21:00
问题首先是：
看看这个线性回归:y~X+滞后(X，1)，意思非常清楚，它试图做一个线性回归。滞后(X，1)是指X的第一个滞后。
事实上，情况并非如此。它没有提到这一模式：
Y[i] = a + b * X[i] + c * X[i-1] + error[i]它实际上指的是这种模式：
Y[i] = a + b * X[i] + c * X[i+1] + error[i]这不太可能是你想要的。
很可能您需要的是lag(X, -1)而不是lag(X, 1)。在R中滞后一个系列意味着滞后的系列更早开始，这意味着该系列本身向前移动。
要注意的另一个事项是，lm不对齐序列。它对时间索引一无所知。您需要自己对齐这个系列，或者使用一个为您服务的包。
下面将更详细地介绍这些要点。
ts
首先，让我们从R的核心来考虑lag.ts，因为lag.zoo和lag.zooreg都是基于它并与它一致的。lag.ts滞后于系列的时间，因此滞后的系列更早开始。也就是说，如果我们有一个值分别为11、12、13和14的级数，其值分别为1、2、3和4，那么滞后级数的值是11、12、13和14，但在0、1、2、3的时间内是相同的。最初的级数从1开始，但滞后的级数从0开始。最初，值12是时间2，但在滞后序列中，值13是时间2。
tt <- ts(11:14)
cbind(tt, lag(tt), lag(tt, 1), lag(tt, -1))给予：
Time Series:
Start = 0
End = 5
Frequency = 1
tt lag(tt) lag(tt, 1) lag(tt, -1)
0 NA 11 11 NA
1 11 12 12 NA
2 12 13 13 11
3 13 14 14 12
4 14 NA NA 13
5 NA NA NA 14动物园
lag.zoo与lag.ts是一致的。请注意，由于动物园代表的是间隔不长的系列，所以它不能假设时间0是在第1次之前，只有当我们知道该系列有规律地间隔时，我们才能做出这样的假设。因此，如果时间1是序列中最早的时间，则此时的值将被删除，因为无法确定延迟到哪一段时间。新的滞后序列现在从原始系列中的第二个时间值开始。这与lag.ts示例类似，除了在lag.ts中有0时间外，在这个示例中没有这样的时间。同样，我们也不能及时地延长时间尺度。
library(zoo)
z <- zoo(11:14)
merge(z, lag(z), lag(z, 1), lag(z,-1))给予：
z lag(z) lag(z, 1) lag(z, -1)
1 11 12 12 NA
2 12 13 13 11
3 13 14 14 12
4 14 NA NA 13zooreg
动物园包确实有一个zooreg类，它假定有规律的间隔序列，除了一些缺失的值之外，它可以推断出之前的情况，就像ts一样。用zooreg可以推断出时间0在前面，时间5在后面。
library(zoo)
zr <- zooreg(11:14)
merge(zr, lag(zr), lag(zr, 1), lag(zr,-1))给予：
zr lag(zr) lag(zr, 1) lag(zr, -1)
0 NA 11 11 NA
1 11 12 12 NA
2 12 13 13 11
3 13 14 14 12
4 14 NA NA 13
5 NA NA NA 14lm
lm对zoo一无所知，将完全忽略时间索引。如果您不想忽略它，即您希望在运行回归之前对所涉及的序列，请使用dyn (或dynlm)包。使用前者：
library(dyn)
set.seed(123)
zr <- zooreg(rnorm(10))
y <- 1 + 2 * zr + 3 * lag(zr, -1)
dyn$lm(y ~ zr + lag(zr, -1))给予：
Call:
lm(formula = dyn(y ~ zr + lag(zr, -1)))
Coefficients:
(Intercept) zr lag(zr, -1)
1 2 3 注释1:一定要阅读帮助文件中的文档：?lag.ts、?lag.zoo、?lag.zooreg和help(package = dyn)
注2:，如果滞后的方向似乎令人困惑，您可以定义自己的函数并使用它来代替lag。例如，这给出了与上面显示的lm输出相同的系数：
Lag <- function(x, k = 1) lag(x, -k)
dyn$lm(y ~ zr + Lag(zr))另一个警告词是，与与R的核心一致的lag.zoo和lag.zooreg不同，xts包中的lag.xts是不一致的。而且，dplyr中的lag也是不一致的(如果加载dplyr，那么dplyr将用它自己不一致的lag版本在R中屏蔽lag，更糟糕的是)。还请注意，dynlm中的L与Lag一样工作，但明智地使用了不同的名称以避免混淆。
Stack Overflow用户
发布于 2015-12-15 16:22:18
请先咨询手册：
描述 计算时间序列的滞后版本，将时间基移回给定数量的观测值。 默认S3方法： 滞后(x，k= 1，.) 参数 X向量或矩阵或单变量或多元时间序列 K滞后数(以观察单位为单位)。
因此，lag不返回滞后值。它返回整个滞后的时间序列，由一些k移回来。这不是一个简单的lm可以使用的东西，实际上也不是您想要使用的东西。然而，这对我来说是可行的：
library(zoo)
x <- zoo(c(11, 12, 13, 14))
y <- c(1, 2.3, 3.8, 4.2)
lagged <- lag(x, -1)
lagged <- c(lagged, c=0) # first lag is defined as zero
model <- lm(y ~ x + lagged)
summary(model)返回：
Call:
lm(formula = y ~ x + lagged)
Residuals:
1 2 3 4
-8.327e-17 -1.833e-01 3.667e-01 -1.833e-01
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -8.86333 4.20149 -2.110 0.282
x 0.89667 0.38456 2.332 0.258
lagged 0.05333 0.08199 0.650 0.633
Residual standard error: 0.4491 on 1 degrees of freedom
Multiple R-squared: 0.9687, Adjusted R-squared: 0.9062
F-statistic: 15.49 on 2 and 1 DF, p-value: 0.1769https://stackoverflow.com/questions/34293595
复制相似问题
腾讯云开发者
