R:dynlm-如何确定滞后变量最显著的时滞

我也在运行R中的dynlm回归

我有一个关于确定最佳时滞的循环的问题

我想知道，在其他条件相同的情况下，对于某个变量，哪个时滞是最优的

有没有办法画出来，或者我该怎么画

dynlm（y~a+b+c+L（d，y））

---

我想知道哪个时间滞后最重要？

就我个人而言，我可能会手动设置一个带有滞后变量的

data.frame

，然后使用您觉得合适的变量选择方法，例如，通过

step（）

逐步选择，所有子集回归，例如通过

leaps

，或lasso等人通过

glmnet

等

作为一个基于

Nile

时间序列的简单示例：

d <- as.data.frame(ts.intersect(
  y = Nile,
  y1 = lag(Nile, -1),
  y2 = lag(Nile, -2),
  y3 = lag(Nile, -3),
  y4 = lag(Nile, -4),
  y5 = lag(Nile, -5)
))
m <- lm(y ~ y1 + y2 + y3 + y4 + y4 + y5, data = d)
m2 <- step(m)
coef(m2)
## (Intercept)          y1          y2 
## 381.8464340   0.3923535   0.1835561 

前一种方法的优点是，它也可以用于非动态线性回归。后者也适用于

步骤（）

，但可能不适用于其他步骤。（请注意，我并不特别支持基于AIC的逐步选择…

我将使用forecast软件包中的auto.arima（），它比dynlm更适合于此目的。auto.arima（）根据各种标准（AICC、AIC或BIC）选择最佳模型。它可以逐步使用，也可以全面使用。如果数据不是季节性的，只需使用选项seasonal=F。在您的情况下，要运行所有滞后10的情况，您可以使用：

        require(forecast)
        # maximum lag allowed
        maxlag <- 10
        #Converts formula to matrix
        mm <- model.matrix(~a+b+c-1, data=mydata)
        y <- as.ts(mydata$y)
        fit <- auto.arima(y, xreg=mm, d=0,max.p=maxlag, max.order=maxlag,max.q=0,
                seasonal=FALSE,trace=TRUE, stepwise =FALSE)
        print(fit)

require（预测）
#允许的最大滞后时间
maxlag
        require(forecast)
        # maximum lag allowed
        maxlag <- 10
        #Converts formula to matrix
        mm <- model.matrix(~a+b+c-1, data=mydata)
        y <- as.ts(mydata$y)
        fit <- auto.arima(y, xreg=mm, d=0,max.p=maxlag, max.order=maxlag,max.q=0,
                seasonal=FALSE,trace=TRUE, stepwise =FALSE)
        print(fit)