如何解释 R 中简单回归的滞后?

机器算法验证 r 回归 滞后
2022-04-14 17:57:30

我正在尝试随着时间的推移对数据进行回归,并且我怀疑我的因变量和自变量之间的关系可能存在滞后分量。我实际上在这里找到了一些在线数据,这些数据提供了一个很好的最小示例

sales<-data.frame(Quarter=1:8, Sales=c(16850, 12010, 14740, 13890, 12950, 15640, 14960, 13630), Newspaper=c(1000, 500, 2000, 1000, 1000, 500, 1000, 500), TV=c(500, 500, 500, 1000, 500, 1000, 1000, 1500), Online=c(1500, 500, 500, 1000, 500, 1000, 1000, 500))
lm(data=sales, Sales~Newspaper+TV+Online)

所以我发现的数据是每季度的销售数据和匹配的广告支出,但我预计广告和购买之间会有滞后。我怎样才能在这个数据中建模?

2个回答

我会看看 R 包 dynlm。它提供了一个 L 运算符,可让您在回归方程中对滞后项进行建模。dynlm 函数中的示例应该为您提供解决问题的提示。注意配置时序结构。

您可能会发现Market Response Models: Econometric and Time Series Analysis中关于动态模型的章节很有帮助。它在任何方面都不是特定于 R 的,但它将引导您了解具有滞后和领先优势的基本模型(当客户和/或竞争对手预期营销行动并在该行动发生之前调整他们的行为)。