R向sarima模型中添加滞后变量
我试图在回归中引入一个变量的滞后值，然后在新的变量集合上使用arima模型。例如，我试图用死亡率对温度和污染粒子水平的回归来模拟死亡率、温度和污染粒子水平之间的关系。然后，引入四个星期前粒子水平的滞后变量。以下是此代码：
temp = tempr-mean(tempr)
ded = ts.intersect(cmort, trend=time(cmort), temp, temp2=temp^2, part, partL4=lag(part,-4))
summary(fit <- lm(cmort~trend + temp + temp2 + part + partL4, data=ded))
pairs(ded) # easiest way is to do all of them
cor(ded)
AIC(fit)/nrow(ded) - log(2*pi)
BIC(fit)/nrow(ded) - log(2*pi)其中温度为中心温度，temp2为平方中心温度，部分为空气中污染颗粒的水平，partL4为4周前的粒子水平。这个回归按预期工作，不给我任何问题。然而，当我试图在这个新的变量集合上使用arima模型时，问题就出现了。下面是我在原始变量集合上使用arima模型时使用的代码，没有新的滞后变量：
trend = time(cmort); temp = tempr - mean(tempr); temp2 = temp^2
fit = lm(cmort~trend + temp + temp2 + part, na.action=NULL)
acf2(resid(fit), 52) # implies AR2
sarima(cmort, 2,0,0, xreg=cbind(trend, temp, temp2, part) )这个模型也能工作。但是，当我尝试引入partL4滞后变量时，会收到以下错误：
统计错误：：arima(xdata，order = c(p，d，q) )，季节性=列表(order= c(P，：“x”和“xreg”的长度不匹配)
当我检查cmort的长度和xreg中使用的变量的新集合时，长度略有下降。但是，当我删除原始代码中的partL4变量时，长度是匹配的。
我真的不知道如何解决这个问题，如何在新的变量集合上运行arima模型。唯一需要使用的库是：
library(astsa)任何帮助都将是非常感谢的，因为我不知道如何使长度对齐，或者是否有更好的方法来做到这一点。
下面是我现在的完整代码(给出错误)：
library(astsa)
temp = tempr-mean(tempr)
temp2=temp^2
trend=time(cmort)
partly=lag(part, -4)
ded = ts.intersect(cmort, trend, temp, temp2, part, partL4, dframe=TRUE)
fit <- lm(cmort~trend + temp + temp2 + part + partL4, data=ded, na.action=NULL)
summary(fit)
attach(ded)
tsplot(resid(fit))
acf2(resid(fit)) #implies AR2
sarima(cmort, 2,0,0, xreg=cbind(trend, temp, temp2, part, partL4))
# pairs(ded) # easiest way is to do all of them
# cor(ded)
# AIC(fit)/nrow(ded) - log(2*pi)
# BIC(fit)/nrow(ded) - log(2*pi)
detach(ded)回答 1
Stack Overflow用户
发布于 2018-12-07 01:04:21
我认为问题来自于延迟:您正在及时地转换值，所以当您在所有时间序列上调用cbind时，最终得到的数据超出了cmort和R抱怨的最终日期。(尝试cbind(trend, temp, temp2, part, partL4)，您就可以清楚地看到正在发生的事情)。如果在调用partL4之前将这些值从sarima中删除，则应该可以：
partL4_new <- window(partL4, end = 1979.750)
sarima(cmort, 2,0,0, xreg=cbind(trend, temp, temp2, part, partL4_new))https://stackoverflow.com/questions/53661185
复制相似问题
腾讯云开发者
