Rの多重線形回帰のフィッティング：自己相関残差

私はこのような方程式でRの多重線形回帰を推定しようとしています：

regr <- lm(rate ~ constant + askings + questions + 0)

質問と質問は、で構成された四半期ごとのデータ時系列askings <- ts(...)です。

問題は、自己相関残差を得たことです。gls関数を使用して回帰を適合させることができることは知っていますが、gls関数に実装する必要がある正しいARまたはARMAエラー構造を識別する方法はわかりません。

私は今、再び推定しようとします、

gls(rate ~ constant + askings + questions + 0, correlation=corARMA(p=?,q=?))

しかし、残念ながら、pとqを特定するRの専門家でも統計の専門家でもありません。

誰かが私に有用なヒントを与えてくれたら嬉しいです。事前にどうもありがとうございました！

ジョー

試してみる

library(forecast)
fit <- auto.arima(rate, xreg=cbind(askings,questions))

エラーのARMA構造を自動的に識別するのと同様に、線形モデルに適合します。GLSではなくMLEを使用しますが、漸近的に同等です。

予測が目的の場合は、パラメーターに対してさまざまなモデルを当てはめることができます。

expand.grid(p = 1:P, q = 1:Q)

ここでPおよびQは、BICによって決定された最適な適合モデルを含めて選択したい最大のAR（p）およびMA（q）項です。

auto.arima()パッケージ予測ではこれに役立ちますが、expand.grid()andループとarima()Rに付属する関数を使用して手作業で簡単にコーディングできます。

上記はgls()、correlation構造のないaの残差に適合しています。

あなたはまた、直接手で全体のことを行うことができますgls()だけの組み合わせのためのモデルの多くを当てはめることによってpそしてqそして建てでAIC()機能。

ACF（acf()）および部分的なACF（pacf()相関構造のない線形モデルから残差）をそれらを使用して必要なモデルの順序を提案することもできます。