如何解决lm和tslm之间的时间序列估计不同Hyndman在R上的预测包
根据文档:
tslm在很大程度上是lm()的包装,除了它允许根据数据的时间序列特性动态创建的变量“趋势”和“季节”。变量“趋势”是一个简单的时间趋势,变量“季节”是指示季节的因素(例如,取决于数据的频率是一个月还是一个季度)。
所以我试图比较两者,对于季节性因素,下面的这两个结果相同:
### Compare lm vs forecast::tsl ###
library(astsa)
library(forecast)
## Modeling quarterly seasonality ##
# with lm
Qtr = factor(cycle(jj))
summary( lm(log(jj) ~ 0 + Qtr) ) # 0 to drop the intercept
# with forecast::tslm
summary( tslm(log(jj) ~ 0 + season) ) # 0 to drop the intercept
但是,对于趋势组件,以下两个结果会产生不同的结果:
## Modeling linear trend ##
# with lm
t_trend = time(jj) - 1960 # 1960 is start of TS
summary( lm(log(jj) ~ 0 + t_trend ) ) # 0 to drop the intercept
# with forecast::tslm
summary( tslm(log(jj) ~ 0 + trend) )
有人可以告诉我原因吗? tslm的“趋势”在后面产生了不同的结果,该怎么做?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。