作者TrebleA (我也想要有年终)
看板Statistics
标题Re: [程式] R软体的ADF模型的指令问题
时间Fri Feb 1 19:52:50 2013
※ 引述《lativa (土土)》之铭言:
: [软体程式类别]:R
: [程式问题]:ADF回归模型
: [软体熟悉度]:
: 中(3个月到1年)
: [问题叙述]:
: 现在在处理一个时间序列,是希望可以跑出他的落後期数和回归结果,我下载了
: R软体里面的urca套件,用的是ur.df的指令,跑出结果应该怎麽看模型依AIC选
: 择的落後期数呢?还是,可以有别的指令来完成这样的要求呢?
: 指令是这样的:
: ur.df(y, type = c("none", "drift", "trend"), lags = 1,
: selectlags = c("Fixed", "AIC", "BIC"))
: 另外还有个问题就是,为什麽要选择最大的lag数呢?设不设有什麽差别吗?
: 下面是我试着跑一次的结果(没有设定最大lag数)
: Test regression drift
: Call:
: lm(formula = z.diff ~ z.lag.1 + 1 + z.diff.lag)
: Residuals:
: Min 1Q Median 3Q Max
: -0.21839 -0.03233 -0.01852 0.01463 0.39522
: Coefficients:
: Estimate Std. Error t value Pr(>|t|)
: (Intercept) -1.1503 0.3745 -3.071 0.00482 **
: z.lag.1 -0.2788 0.0887 -3.143 0.00403 **
: z.diff.lag -0.1287 0.1632 -0.788 0.43740
: ---
: Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
: Residual standard error: 0.1134 on 27 degrees of freedom
: Multiple R-squared: 0.2826, Adjusted R-squared: 0.2295
: F-statistic: 5.319 on 2 and 27 DF, p-value: 0.01128
: Value of test-statistic is: -3.1434 5.6527
: Critical values for test statistics:
: 1pct 5pct 10pct
: tau2 -3.58 -2.93 -2.60
: phi1 7.06 4.86 3.94
: 麻烦大家帮我解惑了,谢谢:)
现在回这个好像有点给他晚,但是因为我今天也在研究这个urca package有一点小心得
在此分享顺便骗骗p币:P
package使用语言如下
ur.df(y, type = c("none", "drift", "trend"), lags = 1,
selectlags = c("Fixed", "AIC", "BIC"))
y <- 你想要跑的向量或是时间数列资料
type <- 三选一的形式
= "none" 不含常数项(drift),也不含时间趋势项(t)
= "drift" 含常数项 但不含 时间趋势项
= "trend" 含常数项也含时间趋势项
lags <- Number of lags for endogenous variable to be included.
需要考量进回归中的延迟项个数
selectlags <- 选择延迟项的准则,看是要跟你预设的lags项一样-"Fixed"
依据AIC或BIC?但是这个准则选择的
延迟项最大不会跑出你设定的lags项外
##这边就回答了原po的部份疑惑
也就是说如果lags=1 ,不管选择准则是哪一个 最後结果你会发现也只考虑一个延迟项
lags依据你原先预设的立场决定,比如说月资料延迟几期是比较合理的?季资料?年资
料?然後再依据选择准则来选定大概几期会比较适合你的资料或是直接依据理论模型设
定..
##接下来就是到底该依据什麽来选择延迟期?如果你心中没有一个预设的立场
就要看跑出来的估计系数的显着性大小,我记得我修时间数列时某个作业中就是没有注意
到这个点(但是非常重要已经算是常识了),在我的arma中考虑进了超过十个延迟项
被老师在课堂上酸了好几下,假如现在做出来的延迟10期中只有2期是显着的就要好好思考
是不是放太多延迟期进来了呢?应该要有所取舍.
AIC BIC 也不脱这个概念,如果AIC BIC的结果难以取舍,可以讨论一下看哪个比较符
合你的需求了.
##有些比较细心的人可能会发现在取舍过後估计参数有变化,我觉得这篇回答是答案
之一
https://stat.ethz.ch/pipermail/r-help/2012-February/302319.html
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 36.224.80.192
※ 编辑: TrebleA 来自: 36.224.80.192 (02/01 19:56)