使用 AICc 使用 TSLM 选择滞后预测变量

Question

我正在尝试确定要包含在我的时间序列模型中的滞后预测变量。 所以我安装了一个 TSLM 最多滞后 3 个自变量

lag_models <- data_train %>% model(
    ts_lag_0 = TSLM(Y ~ X)
  , ts_lag_1 = TSLM(Y ~ X + lag_X_01)
  , ts_lag_2 = TSLM(Y ~ X + lag_X_01 + lag_X_02)
  , ts_lag_3 = TSLM(Y ~ X + lag_X_01 + lag_X_02 + lag_X_03)
 )

data_train 包含交叉验证数据。

lag_models %>% glance()

运行上面的代码，我得到了 AIC、AICc、BIC 等，通过 .id 的滞后预测模型。 我想知道是否可以在不使用 group_by() 和 summary() 的情况下仅通过模型按模型提取这些指标。

非常感谢。

Answer 1

使用交叉验证时，您是在数据的每个折叠/切片上估计模型。 因此，您将收到每个估计模型的一组汇总统计信息（AIC、AICc、BIC 等）。 如果您要使用 group_by() 和 summarise() 将它们组合起来，您将组合来自具有不同响应数据的模型的摘要信息 - 不建议这样做，因为当响应数据变化时，信息标准不具有可比性。

如果您想使用交叉验证来比较每个模型的性能，您可以使用accuracy() 使用样本外准确度度量。 可以在https://otexts.com/fpp3/tscv.html上找到使用寓言进行交叉验证准确性评估的示例