使用 AICc 使用 TSLM 選擇滯后預測變量

Question

我正在嘗試確定要包含在我的時間序列模型中的滯后預測變量。 所以我安裝了一個 TSLM 最多滯后 3 個自變量

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 包含交叉驗證數據。

lag_models %>% glance()

運行上面的代碼，我得到了 AIC、AICc、BIC 等，通過 .id 的滯后預測模型。 我想知道是否可以在不使用 group_by() 和 summary() 的情況下僅通過模型按模型提取這些指標。

非常感謝。

Answer 1

使用交叉驗證時，您是在數據的每個折疊/切片上估計模型。 因此，您將收到每個估計模型的一組匯總統計信息（AIC、AICc、BIC 等）。 如果您要使用 group_by() 和 summarise() 將它們組合起來，您將組合來自具有不同響應數據的模型的摘要信息 - 不建議這樣做，因為當響應數據變化時，信息標准不具有可比性。

如果您想使用交叉驗證來比較每個模型的性能，您可以使用accuracy() 使用樣本外准確度度量。 可以在https://otexts.com/fpp3/tscv.html上找到使用寓言進行交叉驗證准確性評估的示例