的R - 預測一個滯後項簡單的DYN模型

Question

我試圖預測一個簡單的滯後時間序列迴歸與R. This question的DYN庫是一個有益的起點，但我發現了一些奇怪的行爲，我」希望有人能解釋。

這是一個最小的工作示例。

library(dyn) 

# Initial data 
y.orig <- arima.sim(model=list(ar=c(.9)),n=10) 
x1.orig <- rnorm(10) 
data <- cbind(y=y.orig, x1=x1.orig) 

# This model, with a single lag term, predicts from t=2 
mod1 <- dyn$lm(y ~ lag(y, -1), data) 
y.new <- window(y.orig, end=end(y.orig) + c(5,0), extend=TRUE) 
newdata1 <- cbind(y=y.new) 
predict(mod1, newdata1) 

# This one, with a lag plus another predictor, predicts from t=1 on 
mod2 <- dyn$lm(y ~ lag(y, -1) + x1, data) 
y.new <- window(y.orig, end=end(y.orig) + c(5,0), extend=TRUE) 
x1.new <- c(x1.orig, rnorm(5)) 
newdata2 <- cbind(y=y.new, x1=x1.new) 
predict(mod2, newdata2) 

爲什麼兩者之間存在差異？任何人都可以建議如何使用dyn預測我的''mod1''嗎？提前致謝。

Answer 1

mod1和mod2開始預測在t=2。 mod2的預測向量從t=1開始，但其NA。關於爲什麼一個在1注意，predict合併在一起上式的右手側和在mod1的情況下，我們看到變量開始於2，而另一個該lag(y, -1)開始在t = 2，因爲y開始在t = 1。在的mod2的情況下，另一方面，當我們合併lag(y, -1)和x1我們得到了一系列開始在t = 1（因爲在t = 1 x1開始）。試試這個不涉及DYN：

> start(with(as.list(newdata1), merge.zoo(lag(y, -1)))) 
[1] 2 
> start(with(as.list(newdata2), merge.zoo(lag(y, -1), x1))) 
[1] 1 

如果我們想predict(mod1, newdata1)開始在t = 1，我們可以添加我們自己截獲列，並刪除默認攔截，以避免重複。這將迫使它因爲現在RHS有一系列從1開始從1開始：

data.b <- cbind(y=y.orig, x1=x1.orig, Intercept = 1) 
mod.b <- dyn$lm(y ~ Intercept + lag(y, -1) - 1, data.b) 

newdata.b <- cbind(Intercept = 1, y = y.new) 
predict(mod.b, newdata.b) 

關於第二個問題，如果你想預測mod1然後使用fitted(mod1)。

似乎有潛伏如何，它基本上所有的工作，所以也許這澄清了它的一些第三個問題。所有dyn都會將公式中的時間序列對齊，然後lm和predict可以照常運行。例如，如果我們創建一個使用對齊模型框架dyn$model.frame然後一切可以使用只是普通lm和普通predict和dyn沒有從該點起參與來完成。在mod1a之下的值與mod1類似，但它在對齊的模型框架上運行普通的lm。如果您瞭解mod1alm及其predict，則mod1和predict是相似的。

## mod1 and mod1a are similar 

# from code in the question 
mod1 <- dyn$lm(y ~ lag(y, -1), data = data) 
mod1 

# redo it using a plain lm by applying dyn to model.frame 
mf <- dyn$model.frame(y ~ lag(y, -1), data = data) 
mod1a <- lm(y ~ `lag(y, -1)`, mf) 
mod1a 

## the two predicts below are similar 

# the 1 ensures its an mts rather than ts but is otherwise not used 
newdata1 <- cbind(y=y.new, 1) 
predict(mod1, newdata1) 

newdata1a <- cbind(1, `lag(y, -1)` = lag(y.new, -1)) 
predict(mod1a, newdata1a)