用 AR 残差估计多个 OLS

Question

我是 R 建模的新手，所以我有点磕磕绊绊......

我在 Eviews 中有一个 model，我必须将其转换为 R 并进行进一步升级。 model 是具有残差 AR(1) 的多个 OLS。 我是这样实现的

model1 <- lm(y ~ x1 + x2 + x3, data)
data$e <- dplyr:: lag(residuals(model1), 1)

model2 <- lm(y ~ x1 + x2 + x3 + e, data)

我的问题与此线程中的问题相同，并且我期望它：虽然参数估计相似，但它们的不同足以让我无法使用它。

我计划使用stats package 中的ARIMA ，但问题在于实施。 如何在残差上制作 AR(1)，并按原样制作其他变量？

Answer 1

如果我理解正确，您可以通过xreg参数为您的arima model 提供外部回归量。

您不提供示例数据，所以我没有什么可玩的，但是您的 model 应该转换为类似

model <- arima(data$y, xreg = as.matrix(data[, c("x1", "x2", "x3")]), order = c(1, 0, 0))

说明：第一个参数data$y包含您的时间序列数据。 xreg将您的外部回归量包含为一个matrix ，每一列都包含与您的时间点一样多的该回归量的观察值。 order = c(1, 0, 0)定义了一个 AR(1) model。