时间戳

首页 > 解决方案 > R - 季节性时间序列的线性回归模型

r - R - 季节性时间序列的线性回归模型

问题描述

我正在使用每月平均值。我有 24 年的数据。（所以 12 * 24 = 288 行）。我正在尝试使用函数 tslm（即代码）创建线性回归模型。

library(tidyverse)
library("tseries")
library(forecast)

data <- read_csv("data.csv")

data$START_TIME <- as.Date(data$START_TIME)

data_TS <- ts(data$VALUE, frequency = 12)

fit <- tslm(data_TS ~ trend + season)

summary(fit)

目前的输出是：

Residuals:
     Min       1Q   Median       3Q      Max 
-19.9684  -4.6493  -0.0578   3.9262  23.3977 

Coefficients:
              Estimate Std. Error t value Pr(>|t|)    
(Intercept)  70.803362   1.628675  43.473  < 2e-16 ***
trend        -0.009475   0.005170  -1.833  0.06794 .  
season2      11.006465   2.066983   5.325 2.13e-07 ***
season3      11.540922   2.067002   5.583 5.76e-08 ***
season4      13.159978   2.067034   6.367 8.31e-10 ***
season5      12.753431   2.067080   6.170 2.50e-09 ***
season6      11.666369   2.067138   5.644 4.22e-08 ***
season7      -6.322834   2.067209  -3.059  0.00245 ** 
season8     -24.284647   2.067293 -11.747  < 2e-16 ***
season9     -34.434003   2.067390 -16.656  < 2e-16 ***
season10    -35.778105   2.114752 -16.918  < 2e-16 ***
season11    -27.213367   2.089425 -13.024  < 2e-16 ***
season12    -14.267532   2.140674  -6.665 1.49e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 7.16 on 269 degrees of freedom
  (4 observations deleted due to missingness)
Multiple R-squared:  0.8778,    Adjusted R-squared:  0.8723 
F-statistic:   161 on 12 and 269 DF,  p-value: < 2.2e-16

我想从输出中创建方程，但我缺少第 1 季的系数。

谁能解释我如何解释摘要中的值以及如何创建我的数据的线性模型方程？

谢谢

标签： rstatisticstime-seriesregression

解决方案

合身有一个截距。因此，截距向您显示 时的值season1。否则，拦截将毫无意义。如果你想要它明确，你可以让你的模型展示

fit <- tslm(data_TS ~ 0 + trend + season)

[根据后续问题编辑更多信息]

考虑这一点的一种方法是尝试手动想象使用模型来获得估计值data_TS- 你可以看到，如果你有一个截距和所有 12 个季节，当没有任何季节因素时，你将能够获得一个值是真的。该值将是截距。

tslm 输出与其他 lm 输出一样。网上有很多关于它们的学习指南。大多数人假设您从统计文本中了解线性回归模型的作用。您可能想要搜索“在 R 中解释线性模型结果”。这是一个结果，其中包含Felipe Rego的每个输出项目的一些细节

推荐阅读