问题标签 [autoregressive-models]

亲爱的堆栈溢出社区，

我是使用 R 进行统计编程的新手。我的任务是创建一个简单的自回归模型，使用该模型可以预测，或者我应该说，仅使用来自 Google 趋势的数据来预测一个国家的失业率。为了创建模型，我获得了一个 .csv 文件，其中包含 2011 年至 2015 年（5 年）之间的失业率，以及一个 .csv 文件，其中包含主题“失业”（2011-2015 年）的 Google 趋势值。

可以想象，我已将这两个文件导入 RStudio 并将它们转换为时间序列（60 个月）。这是一个概述：

失业率与谷歌趋势

我现在需要帮助来创建那个 AR 模型。请记住，此模型应尽可能简单，并且并非完美无缺。以下是我的问题：

• 我应该使用分解的时间序列，即使分解的时间序列的值不是那么令人信服（p 值仍然很高）。
• 使用 R 和两个时间序列（失业，谷歌）创建自回归模型的最简单方法是什么。然后，应使用此模型使用实际的 Google 趋势值来预测实际失业率。

由于我对 R 不是很有经验，所以我有点迷失了。帮助将不胜感激！

非常感谢！

这是数据（下面的代码中提供了示例）
这是我到目前为止的代码：

现在，我已准备好执行统计测试：

我有一个计数数据，我需要使用动态负二项式回归进行时间序列分析，因为数据存在自相关和过度分散问题。我在线搜索了我可以使用的任何 R 包，但我找不到。

我将不胜感激任何帮助。

我的数据示例：

使用 vars 包，我试图复制一个标准的 4 变量 SVAR 模型，其中包含季度数据和 61 个观察值。矩阵 A 具有递归结构，并且对矩阵 B 没有任何限制（仅识别模型）。原始模型在 Stata 中使用相同的数据集进行估计。

我在简化形式的 VAR 估计中得到相同（正确）的结果，但是一旦我到达 SVAR 部分，我会反复收到此消息：

可能我做错了什么，但我不知道它是什么。我将不胜感激任何帮助。

这是我的代码：

PS：SVAR 函数使用 Amisano & Giannini (1997) 的默认评分算法，这是我想使用的估计方法。

我想对每小时序列进行时间序列预测。我只需要根据我的 ACF 和 PACF 包括 AR1 和 AR24 观察。有人可以指导我如何在 R 中指定此选项吗？下面是我的代码。

但是，当我尝试检查摘要时，我没有收到错误消息，我只得到以下信息。它没有显示标准误差和系数。

摘要（w_fcast3）分钟。第一曲。中位数平均第三曲。最大限度。北美 -8688.00 -385.00 0.00 0.19 391.00 9486.00 24

我想拟合一个季节性的 ARIMA 模型，其中的季节是每 24 小时一次。但是如何在 R 中包含 24 小时季节性术语？到目前为止，我已经尝试了以下方法：

arima(y, order=c(0,0,2), seasonal=c(0,0,5), method = "ML")

但如果我是正确的，那是一个 ARIMA(0,0,2) (0,0,5)_12 模型，所以我希望得到帮助，使其成为 ARIMA(0,0,2) (0,0,5 )_24 型号。

我尝试实现一个简单的 ARMA 模型，但是很难让它运行。向错误项添加参数时，一切正常（请参见return x_m1 + a*e下面注释掉的语句），但是如果我向自回归部分添加参数，我会得到一个FloatingPointErroror LinAlgErroror PositiveDefiniteError，具体取决于我使用的初始化方法。

该代码也包含在您可以在此处找到的要点中。模型定义在此处复制：

这里是与初始化方法相关的错误：

“ADVI”/“ADVI_MAP”：FloatingPointError: NaN occurred in ADVI optimization.

“地图”：LinAlgError: 35-th leading minor not positive definite

“坚果”：PositiveDefiniteError: Scaling is not positive definite. Simple check failed. Diagonal contains negatives. Check indexes [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71]

有关错误消息的详细信息，请查看在 pymc3 上发布的这个 github 问题。

明确地说，我真的很想有一个类似扫描的解决方案，它很容易扩展到例如完整的 ARMA 模型。我知道logP通过在 pymc3/distributions/timeseries.py#L18-L46 中已经完成的定义，可以在不扫描的情况下表示呈现的 AR(1) 模型，但是我无法将这种矢量化样式扩展到完整的 ARMA 模型。我认为使用theano.scan似乎更可取。

任何帮助都非常受欢迎！

我正在使用 R 中的时间序列数据集。我必须提出几个模型，其中一个必须来自使用 armasubsets（我知道有诸如 auto.arima() 之类的函数，但我仍然必须利用这个图）。您将如何解释 R 中的这个 arma 子集图？

我特别考虑的是第五排，因为它的 BIC 值只高出十个，虽然我们想最小化 BIC，但我认为这个微小的差异是合理的，因为从顶部算起的第五排比另一排简单得多此图指定的潜在模型。因此，我将如何解释具有滞后 5、11 和 12 的 AR 组件以及滞后 1 的 MA 组件的东西。

对于这样的情节，这种解释如何改变：我也在考虑第 5 行的 BIC 值为 -220。

这是初始数据的图（执行对数转换后）。

很明显，既有线性趋势，也有季节性趋势。我可以通过采用第一个和第十二个（季节性）差异来解决这两个问题：diff(diff(data), 12)。这样做之后，这里是结果数据的图

.

这个数据看起来不太好。虽然平均值保持不变，但随着时间的推移，我们看到了漏斗效应。以下是 ACF/PACF ：

任何可能适合尝试的建议。我使用了建议 ARIMA(2,0,2)xARIMA(1,0,2)(12) 模型的 auto.arima() 函数。然而，一旦我从拟合中取出残差，很明显它们中仍然存在某种结构。这是拟合的残差图以及残差的 ACF/PACF。

关于哪些滞后在残差的 ACF/PACF 中出现峰值，似乎没有季节性模式。但是，这仍然是前面步骤未捕获的内容。你建议我怎么做？我怎样才能构建一个具有更好模型诊断的更好模型（此时它只是一个更好看的 ACF 和 PACF）？

到目前为止，这是我的简化代码：

这是数据，如果有兴趣（我认为如果您愿意，可以使用 html 到 csv 转换器）：https ://docs.google.com/spreadsheets/d/1S8BbNBdQFpQAiCA4J18bf7PITb8kfThorMENW-FRvW4/pubhtml

我有一个时间序列数据，我使用我的数据运行了一个 AR(1) 模型。我想做的是对政策干预的重要性进行测试。所以我的 ts 数据是 10 年（1984 年到 1994 年）的估计治疗效果。我从 R 得到的结果如下所示：

从结果中，我可以得到一个方程，然后找到隐含的长期效应，我发现它是 -2.67。我的问题是如何从我拥有的当前信息中获取 t 统计量？以及如何在 R 中获得它。另外，由于我无法获得 t 统计量，我所做的是使用 lmtest 包中的 coeftest 函数并找到 z 分数：

我可以使用 p 值代替 t 统计量吗？

有人告诉我我可以使用 delta 方法，但我不确定这如何帮助我找到 t 统计量。此外，即使安装了“car”包，我在使用该功能时也遇到了一些困难。如果没有这个 delta 方法函数，我还有其他方法可以获得 t-stat 吗？

您可以提供的任何帮助将不胜感激。

谢谢

我正在尝试使用pmcov()MATLAB 的函数来计算 700 ms 长、采样频率为 1000 Hz 的离散时间信号的功率谱密度估计 (PSD)。此函数需要用于生成 PSD 估计的自回归模型的模型阶数。

如何估计此模型顺序以预测拟合的正确性？我知道很少有像AIC,BIC之类的标准GIC可用于估计模型阶数，但在 matlab 中找不到如何使用它们。任何人都可以帮忙吗？我的输入时间信号是一个[700 129]矩阵。

非常感谢！