估计逻辑回归的 AR 过程

机器算法验证 时间序列 物流 自相关 残差
2022-03-31 12:23:26

我正在拟合一个独立的时间序列模型X编码为一年中月份的变量(因此有 12 个)和依赖项y变量是某个比例,介于 0 和 1 之间。因此,我使用带有 logit 链接函数的 GLM。合身还不错。

然而,我注意到我的残差是自相关的(这得到了接近 0 的 DW 统计量的证实)。

我能够将 AR(1) 模型拟合到残差,我想看看这对我的 GLM 拟合模型有什么影响。然而,当我X变量是分类的,添加 AR(1) 项是什么意思?我可以做同样的事情,就好像它们是连续的一样,即Xt=ϕXt1? 这似乎很奇怪,因为我X的取值为 1 或 0。

1个回答

我相信你应该重新编码你的价值观。它们不是分类的,它们是基于时间的。假设您的第一个月是 1995 年 1 月。那么这将是 1,然后是 2,然后是 3...1999 年 1 月的值将是 4*12。

这就是你应该安装 AR(1) 的地方。如果您认为存在“一月”的影响,则可以将模型的 GLM 部分与分类等效项拟合。这实质上是假设每 12 个月存在一次循环行为并估计该影响。为了适应 AR(1) 模型而需要的东西。

我不完全确定一起使用 glm 和 AR(1) 模型对您的协方差结构/推理有何影响。