0
我有一个计数数据,我需要使用动态负二项回归进行时间序列分析,因为数据具有自相关和过度分散问题。 我做了一个在线搜索,可以使用任何R包,但我无法找到它。时间序列的动态负二项回归
我将不胜感激任何帮助。
我的数据的一个例子:
>St1
[1] 17 9 28 7 23 16 17 12 11 16 19 29 5 40 13 27 13 11 10 14 13 23 21 24 9 42 14 22 17 9
>Years
[1] 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
[23] 2007 2008 2009 2010 2011 2012 2013 2014
>library(AER)
>library(stats)
>rd <- glm(St1 ~ Years, family = poisson)
>dispersiontest(rd)
Overdispersion test
data: rd
z = 2.6479, p-value = 0.00405
alternative hypothesis: true dispersion is greater than 1
sample estimates:
dispersion
4.305539
#Autocorrelation
>Box.test (St1, lag=ceiling(log(length(St1))), type = "Ljung")
Box-Ljung test
data: St1
X-squared = 13.612, df = 4, p-value = 0.008641
您应该提供一个链接到面向方法论的网页,以说明“动态二项回归”。 “动态”的工作可以承担如此多的意义,它真的是_meaning _-_ less_> –
谢谢。我的理解是动态负二项回归可以解释自相关和过度分散。请参阅http://journals.sagepub.com/doi/pdf/10.1177/1471082X14535530 – Ali