0
私は予測練習に取り組んでいます。好ましいモデルは3つの外生変数（Forestalling.1、Forestalling.2、Break）があるARIMA（0,0,1）（0,1,1）4です。私の従属変数はPmeanであり、平均住宅価格であり、外生変数は、法律および財産危機の変化を示すダミー変数である（これらの変数は、以下の値0,1、-1である）。Arima（）で静止シリーズを予測する
私の最初のアプローチは、オリジナルを差し引いてArima（）モデルに適合させることでした。しかし、これは私の予想は、静止シリーズに行われているように、一連の予測しようとしているトラブルの原因 - デフ（$ Pmean Xログを（）、4）
fit=Arima(diff(log(x$Pmean),4),
order=c(1,0,0),
seasonal=list(order=c(0,0,1), period =4),
xreg=xregvariables)
Estimate Std. Error z value Pr(>|z|)
ar1 0.686212 0.128593 5.3363 9.485e-08 ***
sma1 -0.583000 0.110908 -5.2566 1.467e-07 ***
intercept 0.101515 0.010318 9.8386 < 2.2e-16 ***
Forestalling 1 0.035008 0.011365 3.0804 0.002067 **
Forestalling 2 -0.033731 0.013151 -2.5649 0.010320 *
Break -0.087386 0.013113 -6.6640 2.664e-11 ***
AIC=-216.75
は、私が組み込まれている代替モデルを合わせてみました季節的な違いはありますが、結果は最適ではなく、私の見積もりは重要ではありません。彼らは、いくつかのパラメータ（Forestalling2）に対して異なる方向性を返します。元のモデルでは負の効果があり、2番目のモデルでは正の（ヌル）効果があります。私が（$ Pmean x）のオリジナルシリーズのログを予測またはモデルの推定値を使用して$ Pmeanをxはできるように、私の最初のモデルでシリーズを再変換することが可能である場合
fit=Arima(log(x$Pmean)
order=c(1,0,0),
seasonal=list(order=c(0,1,1), period =4),
xreg=xregvariables ,
include.drift = TRUE)
z test of coefficients:
Estimate Std. Error z value Pr(>|z|)
ar1 0.97042096 0.03430919 28.2846 < 2.2e-16 ***
sma1 -0.53044592 0.13689248 -3.8749 0.0001067 ***
drift 0.01407096 0.01016345 1.3845 0.1662158
Forestalling 1 0.03475176 0.01210626 2.8706 0.0040974 **
Forestalling 2 0.00094803 0.01343471 0.0706 0.9437434
Break -0.01077423 0.02376049 -0.4535 0.6502236
AIC=-206.84
は誰もが知っているだろうか？
もしそれができないのであれば、2番目のArima（）モデルで差分を内部化し、最初のモデルと同じ結果モデルを持つことは可能ですか？あなたが手動で最初の季節の違いを取っているように見える
おかげで、まず、第1有馬モデルで