r - 我可以在没有任何滞后变量的情况下使用 dynlm 吗？-6ren

r - 我可以在没有任何滞后变量的情况下使用 dynlm 吗？

转载作者：行者123 更新时间：2023-12-04 08:47:29

我试图在 R 编程中使用 dynlm 命令使用动态线性回归，因为我需要分析我的面板数据但我不想使用面板回归。

但是，我的模型规范根本不包含任何滞后变量。在这种情况下，我还可以使用动态线性模型 (dynlm) 吗？它提供的输出仍然非常好且有帮助。

例如，我得到以下信息。

 Call:
 dynlm(formula = y ~ a + b + c + d*g + e*g + 
     f*g + h + i + j)

                Estimate  Std. Error t value  Pr(>|t|)    
 (Intercept)  2.12175142  1.87591046   1.131  0.258860    
 a            0.00019267  0.02859444   0.007  0.994628    
 b           -0.01091167  0.02133546  -0.511  0.609392    
 c            0.17635258  0.05616125   3.140  0.001842 ** 
 d           -0.12717373  0.04706829  -2.702  0.007253 ** 
 g           -0.39693637  0.09144441  -4.341 1.894e-05 ***
 e           -0.15394576  0.05059879  -3.042  0.002536 ** 
 f           -0.22525696  0.07412517  -3.039  0.002565 ** 
 h           -0.10063528  0.01242704  -8.098 1.108e-14 ***
 i            0.00098993  0.00240669   0.411  0.681102    
 j           -0.11337655  0.30151860  -0.376  0.707146    
 d:g          0.06875835  0.09451161   0.728  0.467431    
 g:e          0.09787315  0.11409165   0.858  0.391603    
 g:f          0.19367624  0.14990202   1.292  0.197260    
 ---
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 Residual standard error: 0.1648 on 331 degrees of freedom
 Multiple R-squared:  0.5586 ,  Adjusted R-squared:  0.5452
 F-statistic: 31.9 on 10 and 331 DF,  p-value: < 1.401e-50

 Durbin-Watson statistic 
 (original):    1.34863 , p-value: 1.861e-10
 (transformed): 2.09349 , p-value: 8.068e-01>

我使用的数据集的第一部分如下:

 Date       ID  a   b   c   d   e   f   g   h        i               j          y
 01/01/2017 1   1   0   0   1   0   0   1   6.5 -0.287199892    6.26048245  0.380978369
 01/01/2017 2   0   0   0   1   0   0   1   6.5 -0.287199892    6.26048245  0.380978369
 01/01/2017 3   1   0   0   0   1   0   0   7.8 -0.287199892    6.26048245  0.524437496
 01/03/2017 4   1   0   0   0   0   0   0   7.8 -0.260937218    6.258402008 0.63409868
 01/04/2017 5   0   0   0   1   0   0   1   6.5 10.51545939 6.263858877 0.392317155
 01/04/2017 6   0   0   0   1   0   0   1   6.5 10.51545939 6.263858877 0.392317155
 01/04/2017 7   0   1   0   1   0   0   0   6.5 10.51545939 6.263858877 1.049993284
 01/04/2017 8   0   0   0   0   1   0   0   7.3 10.51545939 6.263858877 0.461989851
 01/05/2017 9   0   0   0   0   1   0   0   6.1 -16.12973095    6.280696169 0.69686996
 01/05/2017 10  0   0   0   1   0   0   0   7.7 -16.12973095    6.280696169 0.639270495
 01/05/2017 11  0   0   0   0   1   0   0   7.3 -16.12973095    6.280696169 0.369339223
 01/06/2017 12  1   0   0   1   0   0   1   6.5 -7.097505117    6.281526986 0.395179169
 01/06/2017 13  0   1   0   1   0   0   0   6.3 -7.097505117    6.281526986 0.634524509
 01/06/2017 14  0   1   0   1   0   0   0   7.8 -7.097505117    6.281526986 0.605731699
 01/06/2017 15  0   0   0   0   0   0   0   3.2 -7.097505117    6.281526986 1.765103139
 01/07/2017 16  0   1   0   1   0   0   1   6.5 -7.097505117    6.281526986 0.323052418
 01/07/2017 17  0   0   0   1   0   0   1   6.5 -7.097505117    6.281526986 0.323052418
 01/08/2017 18  0   0   0   1   0   0   1   6.5 -7.097505117    6.281526986 0.357581409
 01/09/2017 19  0   0   0   1   0   0   1   6.5 -0.376295821    6.278540118 0.375177221
 01/09/2017 20  0   0   0   1   0   0   1   6.5 -0.376295821    6.278540118 0.375177221
 01/10/2017 21  0   0   0   1   0   0   1   6.5 1.07381926  6.275634353 0.323677822
 01/10/2017 22  1   0   0   0   0   0   0   6.3 1.07381926  6.275634353 0.529304377
 01/11/2017 23  0   0   0   1   0   0   1   6.5 -15.99695552    6.292042205 0.272404556
 01/11/2017 24  0   0   0   1   0   0   1   6.5 -15.99695552    6.292042205 0.272404556
 01/11/2017 25  0   0   0   1   0   0   0   5.8 -15.99695552    6.292042205 0.485387413
 01/11/2017 26  0   0   0   0   1   0   0   6.3 -15.99695552    6.292042205 0.651151817
 01/12/2017 27  0   1   0   1   0   0   1   6.5 4.672168917 6.290699191 0.259498815
 01/12/2017 28  0   1   0   1   0   0   0   7.3 4.672168917 6.290699191 0.396883681
 01/13/2017 29  0   0   0   1   0   0   1   6.5 2.818656098 6.288309121 0.247276795
 01/13/2017 30  0   0   0   1   0   0   0   6.1 2.818656098 6.288309121 0.72878018
 01/13/2017 31  1   0   0   0   0   0   0   6.3 2.818656098 6.288309121 0.439525331
 01/13/2017 32  1   0   0   0   0   0   0   6.3 2.818656098 6.288309121 0.439525331
 01/13/2017 33  0   0   0   1   0   0   0   7.8 2.818656098 6.288309121 0.674418975
 01/14/2017 34  0   0   0   1   0   0   1   6.5 2.818656098 6.288309121 0.228731465
 01/14/2017 35  0   0   0   1   0   0   1   6.5 2.818656098 6.288309121 0.228731465
 01/14/2017 36  1   0   0   0   0   0   0   3.2 2.818656098 6.288309121 1.614602435
 01/15/2017 37  0   1   0   1   0   0   1   6.5 2.818656098 6.288309121 0.247426893
 01/15/2017 38  0   0   1   1   0   0   0   7.3 2.818656098 6.288309121 0.557578826
 01/16/2017 39  0   0   0   1   0   0   1   6.5 0.393759618 6.285334223 0.27193064
 01/16/2017 40  0   0   0   0   1   0   0   7.3 0.393759618 6.285334223 0.85500972
 01/16/2017 41  0   1   0   1   0   0   0   5.7 0.393759618 6.285334223 0.676041272
 01/17/2017 42  0   1   0   1   0   0   1   6.5 7.88986693  6.287050627 0.271868581
 01/17/2017 43  0   1   0   1   0   0   0   5.7 7.88986693  6.287050627 0.601684565
 01/17/2017 44  0   0   0   1   0   0   0   7.3 7.88986693  6.287050627 0.561442547
 01/17/2017 45  0   0   0   1   0   0   0   5.7 7.88986693  6.287050627 0.426279123
 01/18/2017 46  0   0   0   1   0   0   1   6.5 -2.816167339    6.284668375 0.247257528
 01/18/2017 47  0   1   0   1   0   0   1   6.5 -2.816167339    6.284668375 0.247257528
 01/18/2017 48  0   1   0   1   0   0   1   6.5 -2.816167339    6.284668375 0.247257528
 01/20/2017 49  0   0   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.240110499
 01/20/2017 50  0   0   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.240110499
 01/20/2017 51  0   1   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.240110499
 01/20/2017 52  0   0   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.240110499
 01/21/2017 53  0   1   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.255335931
 01/21/2017 54  0   0   0   1   0   0   0   7.3 -0.673663504    6.279474132 0.511621616
 01/21/2017 55  0   1   0   1   0   0   0   7.8 -0.673663504    6.279474132 0.658433144
 01/22/2017 56  0   1   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.295583923
 01/23/2017 57  0   0   0   1   0   0   0   6.5 2.407225453 6.276942114 1.536492494
 01/23/2017 58  0   0   0   0   0   1   0   5.2 2.407225453 6.276942114 0.484052447
 01/23/2017 59  0   0   1   1   0   0   0   7.8 2.407225453 6.276942114 0.781409215
 01/24/2017 60  0   1   0   1   0   0   1   6.5 -1.218354632    6.274089502 0.321647225
 01/24/2017 61  0   0   0   1   0   0   1   6.5 -1.218354632    6.274089502 0.321647225
 01/25/2017 62  0   0   0   1   0   0   1   6.5 -1.851624795    6.271387207 0.307303763
 01/25/2017 63  0   0   0   1   0   0   1   6.5 -1.851624795    6.271387207 0.307303763
 01/25/2017 64  0   1   0   1   0   0   1   6.5 -1.851624795    6.271387207 0.307303763
 01/25/2017 65  0   0   0   1   0   0   1   6.5 -1.851624795    6.271387207 0.307303763
 01/25/2017 66  0   0   0   1   0   0   1   6.5 -1.851624795    6.271387207 0.307303763
 01/25/2017 67  0   1   0   1   0   0   0   4.3 -1.851624795    6.271387207 0.613050528
 01/25/2017 68  0   1   0   1   0   0   0   7.3 -1.851624795    6.271387207 0.546333861
 01/25/2017 69  0   0   0   0   1   0   0   7.2 -1.851624795    6.271387207 0.537850062
 01/25/2017 70  0   1   0   0   1   0   0   7.8 -1.851624795    6.271387207 0.639599631
 01/26/2017 71  0   0   0   1   0   0   1   6.5 2.534464661 6.26891399  0.300565872
 01/26/2017 72  0   0   0   1   0   0   1   6.5 2.534464661 6.26891399  0.300565872
 01/26/2017 73  0   1   0   1   0   0   0   8.3 2.534464661 6.26891399  0.529403228
 01/27/2017 74  0   0   0   1   0   0   1   6.5 0.448048274 6.265976913 0.300919416
 01/27/2017 75  0   1   0   1   0   0   1   6.5 0.448048274 6.265976913 0.300919416
 01/27/2017 76  1   0   0   1   0   0   0   5.7 0.448048274 6.265976913 0.580776132
 01/27/2017 77  0   0   0   0   1   0   0   6.1 0.448048274 6.265976913 0.686217699
 02/01/2017 78  0   0   1   1   0   0   0   6.5 1.735858826 6.258495118 1.134076442
 02/02/2017 79  1   0   0   1   0   0   1   6.5 2.678162264 6.256096701 0.246605523
 02/02/2017 80  0   1   0   0   1   0   0   5.7 2.678162264 6.256096701 0.788278101
 02/03/2017 81  0   0   0   1   0   0   1   6.5 1.153969121 6.253264176 0.240588472
 02/03/2017 82  1   0   0   0   1   0   0   7.2 1.153969121 6.253264176 0.504511317
 02/03/2017 83  1   0   0   1   0   0   0   7.8 1.153969121 6.253264176 0.367633571
 02/04/2017 84  0   0   0   1   0   0   1   6.5 1.153969121 6.253264176 0.265418597
 02/04/2017 85  0   1   0   1   0   0   0   6.1 1.153969121 6.253264176 0.657809188
 02/04/2017 86  0   1   0   1   0   0   0   7.8 1.153969121 6.253264176 0.363212341
 02/05/2017 87  0   0   0   1   0   0   0   7.3 1.153969121 6.253264176 0.508102373
 02/06/2017 88  0   0   0   0   0   0   1   6.5 1.046748087 6.250418001 0.372827574
 02/06/2017 89  0   0   0   1   0   0   1   6.5 1.046748087 6.250418001 0.372827574
 02/06/2017 90  0   1   0   1   0   0   1   6.5 1.046748087 6.250418001 0.372827574
 02/06/2017 91  0   0   0   1   0   0   0   6.1 1.046748087 6.250418001 0.755692532
 02/07/2017 92  1   0   0   0   1   0   0   6.1 2.572012207 6.247989068 0.669478955
 02/07/2017 93  1   0   0   0   0   0   0   6.3 2.572012207 6.247989068 0.533384869
 02/07/2017 94  0   0   0   1   0   0   0   5.7 2.572012207 6.247989068 0.551575392
 02/07/2017 95  0   1   0   1   0   0   0   7.7 2.572012207 6.247989068 0.544694026
 02/07/2017 96  1   0   0   0   0   0   0   7.3 2.572012207 6.247989068 0.466169871
 02/07/2017 97  0   0   0   0   0   0   0   7.8 2.572012207 6.247989068 0.352763774
 02/08/2017 98  0   1   0   1   0   0   1   6.5 0.93372207  6.245134    0.317670958
 02/08/2017 99  0   1   0   1   0   0   1   6.5 0.93372207  6.245134    0.317670958
 02/08/2017 100 0   0   0   1   0   0   0   6.1 0.93372207  6.245134    0.590983019
 02/08/2017 101 0   1   0   1   0   0   0   7.8 0.93372207  6.245134    0.288007254
 02/08/2017 102 0   0   0   1   0   0   0   7.8 0.93372207  6.245134    0.288007254
 02/09/2017 103 0   1   0   1   0   0   1   6.5 -7.364293184    6.246272494 0.322058201
 02/09/2017 104 0   1   0   1   0   0   0   7.7 -7.364293184    6.246272494 0.45710099
 02/09/2017 105 0   1   0   1   0   0   0   7.3 -7.364293184    6.246272494 0.618448667
 02/09/2017 106 1   0   0   0   1   0   0   6.7 -7.364293184    6.246272494 0.75533239
 02/10/2017 107 1   0   0   1   0   0   1   6.5 2.054261996 6.243673693 0.322091275
 02/10/2017 108 0   1   0   0   1   0   0   7.3 2.054261996 6.243673693 0.619229315
 02/10/2017 109 1   0   0   0   1   0   0   6.3 2.054261996 6.243673693 0.574019377
 02/11/2017 110 0   0   0   0   1   0   0   5.8 2.054261996 6.243673693 0.576474297
 02/12/2017 111 1   0   0   0   0   1   0   7.8 2.054261996 6.243673693 0.292138684
 02/13/2017 112 0   0   1   1   0   0   0   6.1 -0.5847667  6.2407891   0.796668232
 02/14/2017 113 1   0   0   1   0   0   1   6.5 1.418813574 6.238033264 0.347653035
 02/14/2017 114 0   0   0   1   0   0   1   6.5 1.418813574 6.238033264 0.347653035
 02/14/2017 115 0   0   0   1   0   0   1   6.5 1.418813574 6.238033264 0.347653035
 02/14/2017 116 0   0   0   0   1   0   0   6.1 1.418813574 6.238033264 0.735497343
 02/14/2017 117 0   1   0   1   0   0   0   4.3 1.418813574 6.238033264 0.51068871
 02/14/2017 118 0   0   0   0   0   1   0   6.5 1.418813574 6.238033264 0.458087049
 02/14/2017 119 0   0   0   0   1   0   0   4.5 1.418813574 6.238033264 0.402129607
 02/15/2017 120 0   1   0   0   1   0   1   6.5 -0.041897715    6.235131309 0.308459288

………………

即使对于缩进来说，数据量也太大了，所以我到此为止。

最佳答案

使用您的数据样本:

datastr <- "
Date       ID  a   b   c   d   e   f   g   h        i               j          y
01/01/2017 1   1   0   0   1   0   0   1   6.5 -0.287199892    6.26048245  0.380978369
01/01/2017 2   0   0   0   1   0   0   1   6.5 -0.287199892    6.26048245  0.380978369
01/01/2017 3   1   0   0   0   1   0   0   7.8 -0.287199892    6.26048245  0.524437496
01/03/2017 4   1   0   0   0   0   0   0   7.8 -0.260937218    6.258402008 0.63409868
01/04/2017 5   0   0   0   1   0   0   1   6.5 10.51545939 6.263858877 0.392317155
01/04/2017 6   0   0   0   1   0   0   1   6.5 10.51545939 6.263858877 0.392317155
01/04/2017 7   0   1   0   1   0   0   0   6.5 10.51545939 6.263858877 1.049993284
01/04/2017 8   0   0   0   0   1   0   0   7.3 10.51545939 6.263858877 0.461989851
01/05/2017 9   0   0   0   0   1   0   0   6.1 -16.12973095    6.280696169 0.69686996
01/05/2017 10  0   0   0   1   0   0   0   7.7 -16.12973095    6.280696169 0.639270495
01/05/2017 11  0   0   0   0   1   0   0   7.3 -16.12973095    6.280696169 0.369339223
01/06/2017 12  1   0   0   1   0   0   1   6.5 -7.097505117    6.281526986 0.395179169
01/06/2017 13  0   1   0   1   0   0   0   6.3 -7.097505117    6.281526986 0.634524509
01/06/2017 14  0   1   0   1   0   0   0   7.8 -7.097505117    6.281526986 0.605731699
01/06/2017 15  0   0   0   0   0   0   0   3.2 -7.097505117    6.281526986 1.765103139
01/07/2017 16  0   1   0   1   0   0   1   6.5 -7.097505117    6.281526986 0.323052418
01/07/2017 17  0   0   0   1   0   0   1   6.5 -7.097505117    6.281526986 0.323052418
01/08/2017 18  0   0   0   1   0   0   1   6.5 -7.097505117    6.281526986 0.357581409
01/09/2017 19  0   0   0   1   0   0   1   6.5 -0.376295821    6.278540118 0.375177221
01/09/2017 20  0   0   0   1   0   0   1   6.5 -0.376295821    6.278540118 0.375177221
01/10/2017 21  0   0   0   1   0   0   1   6.5 1.07381926  6.275634353 0.323677822
01/10/2017 22  1   0   0   0   0   0   0   6.3 1.07381926  6.275634353 0.529304377
01/11/2017 23  0   0   0   1   0   0   1   6.5 -15.99695552    6.292042205 0.272404556
01/11/2017 24  0   0   0   1   0   0   1   6.5 -15.99695552    6.292042205 0.272404556
01/11/2017 25  0   0   0   1   0   0   0   5.8 -15.99695552    6.292042205 0.485387413
01/11/2017 26  0   0   0   0   1   0   0   6.3 -15.99695552    6.292042205 0.651151817
01/12/2017 27  0   1   0   1   0   0   1   6.5 4.672168917 6.290699191 0.259498815
01/12/2017 28  0   1   0   1   0   0   0   7.3 4.672168917 6.290699191 0.396883681
01/13/2017 29  0   0   0   1   0   0   1   6.5 2.818656098 6.288309121 0.247276795
01/13/2017 30  0   0   0   1   0   0   0   6.1 2.818656098 6.288309121 0.72878018
01/13/2017 31  1   0   0   0   0   0   0   6.3 2.818656098 6.288309121 0.439525331
01/13/2017 32  1   0   0   0   0   0   0   6.3 2.818656098 6.288309121 0.439525331
01/13/2017 33  0   0   0   1   0   0   0   7.8 2.818656098 6.288309121 0.674418975
01/14/2017 34  0   0   0   1   0   0   1   6.5 2.818656098 6.288309121 0.228731465
01/14/2017 35  0   0   0   1   0   0   1   6.5 2.818656098 6.288309121 0.228731465
01/14/2017 36  1   0   0   0   0   0   0   3.2 2.818656098 6.288309121 1.614602435
01/15/2017 37  0   1   0   1   0   0   1   6.5 2.818656098 6.288309121 0.247426893
01/15/2017 38  0   0   1   1   0   0   0   7.3 2.818656098 6.288309121 0.557578826
01/16/2017 39  0   0   0   1   0   0   1   6.5 0.393759618 6.285334223 0.27193064
01/16/2017 40  0   0   0   0   1   0   0   7.3 0.393759618 6.285334223 0.85500972
01/16/2017 41  0   1   0   1   0   0   0   5.7 0.393759618 6.285334223 0.676041272
01/17/2017 42  0   1   0   1   0   0   1   6.5 7.88986693  6.287050627 0.271868581
01/17/2017 43  0   1   0   1   0   0   0   5.7 7.88986693  6.287050627 0.601684565
01/17/2017 44  0   0   0   1   0   0   0   7.3 7.88986693  6.287050627 0.561442547
01/17/2017 45  0   0   0   1   0   0   0   5.7 7.88986693  6.287050627 0.426279123
01/18/2017 46  0   0   0   1   0   0   1   6.5 -2.816167339    6.284668375 0.247257528
01/18/2017 47  0   1   0   1   0   0   1   6.5 -2.816167339    6.284668375 0.247257528
01/18/2017 48  0   1   0   1   0   0   1   6.5 -2.816167339    6.284668375 0.247257528
01/20/2017 49  0   0   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.240110499
01/20/2017 50  0   0   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.240110499
01/20/2017 51  0   1   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.240110499
01/20/2017 52  0   0   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.240110499
01/21/2017 53  0   1   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.255335931
01/21/2017 54  0   0   0   1   0   0   0   7.3 -0.673663504    6.279474132 0.511621616
01/21/2017 55  0   1   0   1   0   0   0   7.8 -0.673663504    6.279474132 0.658433144
01/22/2017 56  0   1   0   1   0   0   1   6.5 -0.673663504    6.279474132 0.295583923
01/23/2017 57  0   0   0   1   0   0   0   6.5 2.407225453 6.276942114 1.536492494
01/23/2017 58  0   0   0   0   0   1   0   5.2 2.407225453 6.276942114 0.484052447
01/23/2017 59  0   0   1   1   0   0   0   7.8 2.407225453 6.276942114 0.781409215
01/24/2017 60  0   1   0   1   0   0   1   6.5 -1.218354632    6.274089502 0.321647225
01/24/2017 61  0   0   0   1   0   0   1   6.5 -1.218354632    6.274089502 0.321647225
01/25/2017 62  0   0   0   1   0   0   1   6.5 -1.851624795    6.271387207 0.307303763
01/25/2017 63  0   0   0   1   0   0   1   6.5 -1.851624795    6.271387207 0.307303763
01/25/2017 64  0   1   0   1   0   0   1   6.5 -1.851624795    6.271387207 0.307303763
01/25/2017 65  0   0   0   1   0   0   1   6.5 -1.851624795    6.271387207 0.307303763
01/25/2017 66  0   0   0   1   0   0   1   6.5 -1.851624795    6.271387207 0.307303763
01/25/2017 67  0   1   0   1   0   0   0   4.3 -1.851624795    6.271387207 0.613050528
01/25/2017 68  0   1   0   1   0   0   0   7.3 -1.851624795    6.271387207 0.546333861
01/25/2017 69  0   0   0   0   1   0   0   7.2 -1.851624795    6.271387207 0.537850062
01/25/2017 70  0   1   0   0   1   0   0   7.8 -1.851624795    6.271387207 0.639599631
01/26/2017 71  0   0   0   1   0   0   1   6.5 2.534464661 6.26891399  0.300565872
01/26/2017 72  0   0   0   1   0   0   1   6.5 2.534464661 6.26891399  0.300565872
01/26/2017 73  0   1   0   1   0   0   0   8.3 2.534464661 6.26891399  0.529403228
01/27/2017 74  0   0   0   1   0   0   1   6.5 0.448048274 6.265976913 0.300919416
01/27/2017 75  0   1   0   1   0   0   1   6.5 0.448048274 6.265976913 0.300919416
01/27/2017 76  1   0   0   1   0   0   0   5.7 0.448048274 6.265976913 0.580776132
01/27/2017 77  0   0   0   0   1   0   0   6.1 0.448048274 6.265976913 0.686217699
02/01/2017 78  0   0   1   1   0   0   0   6.5 1.735858826 6.258495118 1.134076442
02/02/2017 79  1   0   0   1   0   0   1   6.5 2.678162264 6.256096701 0.246605523
02/02/2017 80  0   1   0   0   1   0   0   5.7 2.678162264 6.256096701 0.788278101
02/03/2017 81  0   0   0   1   0   0   1   6.5 1.153969121 6.253264176 0.240588472
02/03/2017 82  1   0   0   0   1   0   0   7.2 1.153969121 6.253264176 0.504511317
02/03/2017 83  1   0   0   1   0   0   0   7.8 1.153969121 6.253264176 0.367633571
02/04/2017 84  0   0   0   1   0   0   1   6.5 1.153969121 6.253264176 0.265418597
02/04/2017 85  0   1   0   1   0   0   0   6.1 1.153969121 6.253264176 0.657809188
02/04/2017 86  0   1   0   1   0   0   0   7.8 1.153969121 6.253264176 0.363212341
02/05/2017 87  0   0   0   1   0   0   0   7.3 1.153969121 6.253264176 0.508102373
02/06/2017 88  0   0   0   0   0   0   1   6.5 1.046748087 6.250418001 0.372827574
02/06/2017 89  0   0   0   1   0   0   1   6.5 1.046748087 6.250418001 0.372827574
02/06/2017 90  0   1   0   1   0   0   1   6.5 1.046748087 6.250418001 0.372827574
02/06/2017 91  0   0   0   1   0   0   0   6.1 1.046748087 6.250418001 0.755692532
02/07/2017 92  1   0   0   0   1   0   0   6.1 2.572012207 6.247989068 0.669478955
02/07/2017 93  1   0   0   0   0   0   0   6.3 2.572012207 6.247989068 0.533384869
02/07/2017 94  0   0   0   1   0   0   0   5.7 2.572012207 6.247989068 0.551575392
02/07/2017 95  0   1   0   1   0   0   0   7.7 2.572012207 6.247989068 0.544694026
02/07/2017 96  1   0   0   0   0   0   0   7.3 2.572012207 6.247989068 0.466169871
02/07/2017 97  0   0   0   0   0   0   0   7.8 2.572012207 6.247989068 0.352763774
02/08/2017 98  0   1   0   1   0   0   1   6.5 0.93372207  6.245134    0.317670958
02/08/2017 99  0   1   0   1   0   0   1   6.5 0.93372207  6.245134    0.317670958
02/08/2017 100 0   0   0   1   0   0   0   6.1 0.93372207  6.245134    0.590983019
02/08/2017 101 0   1   0   1   0   0   0   7.8 0.93372207  6.245134    0.288007254
02/08/2017 102 0   0   0   1   0   0   0   7.8 0.93372207  6.245134    0.288007254
02/09/2017 103 0   1   0   1   0   0   1   6.5 -7.364293184    6.246272494 0.322058201
02/09/2017 104 0   1   0   1   0   0   0   7.7 -7.364293184    6.246272494 0.45710099
02/09/2017 105 0   1   0   1   0   0   0   7.3 -7.364293184    6.246272494 0.618448667
02/09/2017 106 1   0   0   0   1   0   0   6.7 -7.364293184    6.246272494 0.75533239
02/10/2017 107 1   0   0   1   0   0   1   6.5 2.054261996 6.243673693 0.322091275
02/10/2017 108 0   1   0   0   1   0   0   7.3 2.054261996 6.243673693 0.619229315
02/10/2017 109 1   0   0   0   1   0   0   6.3 2.054261996 6.243673693 0.574019377
02/11/2017 110 0   0   0   0   1   0   0   5.8 2.054261996 6.243673693 0.576474297
02/12/2017 111 1   0   0   0   0   1   0   7.8 2.054261996 6.243673693 0.292138684
02/13/2017 112 0   0   1   1   0   0   0   6.1 -0.5847667  6.2407891   0.796668232
02/14/2017 113 1   0   0   1   0   0   1   6.5 1.418813574 6.238033264 0.347653035
02/14/2017 114 0   0   0   1   0   0   1   6.5 1.418813574 6.238033264 0.347653035
02/14/2017 115 0   0   0   1   0   0   1   6.5 1.418813574 6.238033264 0.347653035
02/14/2017 116 0   0   0   0   1   0   0   6.1 1.418813574 6.238033264 0.735497343
02/14/2017 117 0   1   0   1   0   0   0   4.3 1.418813574 6.238033264 0.51068871
02/14/2017 118 0   0   0   0   0   1   0   6.5 1.418813574 6.238033264 0.458087049
02/14/2017 119 0   0   0   0   1   0   0   4.5 1.418813574 6.238033264 0.402129607
02/15/2017 120 0   1   0   0   1   0   1   6.5 -0.041897715    6.235131309 0.308459288
"

我设法运行了 dynlm 模型:

> data <- read.table(text=datastr,header=TRUE)
> 
> library('dynlm')
> dynlm_model <-dynlm(formula = y ~ a + b + c + d*g + e*g + f*g + h + i + j, data)
> dynlm_model

Time series regression with "numeric" data:
Start = 1, End = 120

Call:
dynlm(formula = y ~ a + b + c + d * g + e * g + f * g + h + i + 
    j, data = data)

Coefficients:
(Intercept)            a            b            c            d            g            e            f            h            i  
  -3.980619    -0.027872    -0.009254     0.238524    -0.091746    -0.333547    -0.080245    -0.287590    -0.115933    -0.000234  
          j          d:g          g:e          g:f  
   0.870471     0.009906     0.038182           NA

似乎你有 Date 顺序的数据，而且很可能也是按时间顺序排列的，因为 ID 正在增加。

但是， 您的时间步长正在变化 ，因为每个日期的观察次数不是恒定的。数据样本中的滞后大约在几天到几个小时之间变化。

如果您使用该模型，您将获得某种平均时间步长的指示性结果，因为该方法不知道您的时间步长是变化的。如果您尝试预测时间序列中的下一个点，那么当您最接近平均时间步长(例如 6 小时 vs. 6 小时)时预测最准确，而离平均时间步长最远时预测最不准确(例如6 天与 6 小时)。

记住这一点，您可以尝试解释拟合动态线性模型的结果。即使时间步长适度变化，dlm 模型也可用于平滑数据，以便在分散的数据中揭示趋势。

编辑:

使用普通的 lm 函数，我得到完全相同的结果:

> lm_model <-lm(formula = y ~ a + b + c + d*g + e*g + f*g + h + i + j, data)
> lm_model

Call:
lm(formula = y ~ a + b + c + d * g + e * g + f * g + h + i + 
    j, data = data)

Coefficients:
(Intercept)            a            b            c            d            g            e            f  
  -3.980619    -0.027872    -0.009254     0.238524    -0.091746    -0.333547    -0.080245    -0.287590  
          h            i            j          d:g          g:e          g:f  
  -0.115933    -0.000234     0.870471     0.009906     0.038182           NA

因此，使用 formula = y ~ a + b + c + d * g + e * g + f * g + h + i + j 拟合 dynlm 的结果与使用回归拟合函数 lm 拟合相同的公式完全相同。

根据 dynlm package manual ，您需要在公式中指定动态(通过 d() 和 L() )或线性/循环模式(通过 trend() 、 season() 和 harmon() )才能充分利用 dynlm 。

关于r - 我可以在没有任何滞后变量的情况下使用 dynlm 吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47045077/

文章推荐： Symfony2 Doctrine 迁移失败

文章推荐： symfony - 为 Sonata Admin 包配置自定义模板

文章推荐： Symfony 2 - sylius - Doctrine 不可用

文章推荐： symfony - Doctrine Gedmo 嵌套树 : change a node's parent

java - 在具有多个条件的 If 情况下，我们能否获得条件失败的确切位置？
我是 Java 新手，这是我的代码， if( a.name == b.name && a.displayname == b.displayname && a.linknam
javascript - 在下面的 JavaScript 情况下，如何避免重复自己的情况？
在下面的场景中，我有一个 bool 值。根据结果，我调用完全相同的函数，唯一的区别是参数的数量。 var myBoolean = ... if (myBoolean) { retrieve
c++ - 异常(exception)情况下，我想在没有任何堆栈展开的情况下进行调试
我是一名研究 C++ 的 C 开发人员: 我是否正确理解如果我抛出异常然后堆栈将展开直到找到第一个异常处理程序？是否可以在不展开的情况下在任何 throw 上打开调试器(即不离开声明它的范围或任何更高
c++ - 在什么情况/情况下 dynamic_cast<> 会失败？
在修复庞大代码库中的错误时，我观察到一个奇怪的情况，其中引用的动态类型从原始 Derived 类型更改为 Base 类型!我提供了最少的代码来解释问题: struct Base { // some
c# for 循环在 switch/case 情况下 - 如何？
我正在尝试用 C# 扩展给定的代码，但由于缺乏编程经验，我有点陷入困境。使用 Visual Studio 社区，我尝试通过控制台读出 CPU 核心温度。该代码使用开关/外壳来查找传感器的特定名称(即
javascript - 在 AJAX 情况下，如何在目标页面评估 JavaScript？
这可能是一个哲学问题。假设您正在向页面发出 AJAX 请求(这是使用 Prototype): new Ajax.Request('target.asp', { method:"post", pa
html - 在 Usemap/area 情况下，光标未更改为指针
我有以下 HTML 代码，我无法在所有浏览器中正常工作: 我试图在移动到
swift - 在这种 Firebase 情况下，如何在函数之间传递数据？ swift + Xcode
我对 Swift 很陌生。我如何从 addPin 函数中检索注释并能够在我的 addLocation 操作 (buttonPressed) 中使用它。我正在尝试使用压力触摸在 map 上添加图钉，在两
ios - 在 iPad DetailView 情况下，viewDidUnload 未被调用
我设置了一个详细 View ，我是否有几个 Nib 文件根据在 Root View Controller 的表中选择的项目来加载。我发现，对于 Nibs 的类，永远不会调用 viewDidUnloa
javascript - 在这种 javascript 情况下，除了 eval 之外还有其他选择吗？
我需要动态访问 json 文件并使用以下代码。在本例中，“bpicsel”和“temp”是变量。最终结果类似于“data[0].extit1” var title="data["+bpicsel+"]
c# - 在 HTTPS 情况下，服务器证书未使用 HTTP.SYS 正确配置
我需要使用第三方 WCF 服务。我已经在我的证书存储中配置了所需的证书，但是在调用 WCF 服务时出现以下异常。向 https://XXXX.com/AHSharedServices/Custome
postgresql - 即使在 ON CONFLICT DO NOTHING 情况下，postgres INSERT 触发器也会触发
在几个 SO 答案(1、2)中，建议如果存在冲突则不应触发 INSERT 触发器，ON CONFLICT DO NOTHING 在触发语句中。也许我理解错了，但在我的实验中似乎并非如此。这是我的 S
java - 在 Hibernate3 中的 saveOrUpdateAll 情况下，具有相同标识符值的不同对象已与 session 关联
如果进行修改，则会给出org.hibernate.NonUniqueObjectException。在我的 BidderBO 类(class)中 @Override @Transactional(pr
javascript - 为什么 React App 的 redux 情况下 IndexOf(Object) 可以工作？
我使用 indexOf() 方法来精细地查找数组中的对象。直到此刻我查了一些资料，发现代码应该无法正常工作。我在reducer中尝试了上面的代码，它成功了 let tmp = state.find
mysql - 在指定了 ORDER BY 和 LIMIT 并且实际上只需要连接少量行的 JOIN 情况下，MySQL 的行为如何？
假设我有以下表格: CREATE TABLE Game ( GameID INT UNSIGNED NOT NULL, GameType TINYINT UNSIGNED NOT NU
ios - 在使用 swift ios 的某些 URL 情况下，Alamofire 进度状态显示 0.0
代码: Alamofire.request(URL(string: imageUrl)!).downloadProgress(closure: { (progress) in

行者123

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

r - 我可以在没有任何滞后变量的情况下使用 dynlm 吗？