Python Statsモデルのパネルデータの線形混合モデルと時間自己相関

Question

私は、営業時間の異なる営業時間に営業担当者の売上に大きな違いがあるかどうかを調べるために、営業担当者のシフトを見ています。具体的には、a）個々のシフト時間の間に傾向が重要であるかどうか、b）他のいくつかの潜在的な説明変数と比較してどのようにランク付けされているかを評価しようとしている。

データセットには、同じ長さの営業担当者ごとに時間で割った複数のシフトがあります。

など。

model = sm.MixedLM.from_formula("Cookies ~ C(Hour) + CustomerArrivals + Oventemp", BakeSaleData, groups=BakeSaleData["Salesperson"]) 
result = model.fit() 
print(result.summary()) 

Our Q-Q plot for the residuals:

私は私のモデルではかなりの自己相関があったことが統計でかなり大きな背景を持つ私の研究を見直し誰かに言われますが、これを補償するためにどのように私にははっきりしていないました。

従来の時系列データセットでは、AR（1）とCochrane-Orcuttを使って自己相関項を計算することができますが、これらの時系列計算は一般に、時系列が1つのデータセットにあります。

Answer 1

statsmodels MixedLMは、ランダム係数またはランダム効果を超えた残差の直接相関を考慮していません。

AR（1）を含むより広い範囲の相関構造を可能にする片方向パネルのデータモデルであるstatsmodels.GEEを使用できます。ファミリーガウスの場合、MixedLMに似ています。しかし、それは計量経済学において正確に識別されたGMMに類似した推定式を使用し、GEEはデフォルトのクラスターロバスト標準誤差によって使用される。逐次相関した誤差を仮定すると、説明変数は外生的であるということである。

ここでhttps://github.com/statsmodels/statsmodels/wiki/Examples#generalized-estimating-equations-geeはGEEのノートブックです。

スタンダードに類似したCochrane-OrcuttまたはPrais-Winstonの標準計量分析パネルデータは統計モデルにまだ含まれていません（ただし、ドラフトバージョンがどこかにあるかもしれません）。