1
我试图估计一个probit模型,它可以预测某些领先指标在预测经济下滑时的预测能力。我已经将变量转换为ts,并且一切看起来都不错。r中的概率估计
问题是,当我尝试在不同的滞后处运行回归时,系数都是相同的。我一直在使用lag(var.ts,k = 1)来延迟自变量。
我看到很多回复建议使用dynlm。但由于因变量的二分性,我不知道这是否合适。
有什么建议吗?
我试图估计一个probit模型,它可以预测某些领先指标在预测经济下滑时的预测能力。我已经将变量转换为ts,并且一切看起来都不错。r中的概率估计
问题是,当我尝试在不同的滞后处运行回归时,系数都是相同的。我一直在使用lag(var.ts,k = 1)来延迟自变量。
我看到很多回复建议使用dynlm。但由于因变量的二分性,我不知道这是否合适。
有什么建议吗?
可以使用dyn
包为
require(dyn)
set.seed(1)
y <- ts(sample(c(0, 1), size = 15, replace = TRUE), start = c(2000, 2), freq = 4)
x <- ts(1:15, start = c(2000, 2), freq = 4)
dyn$glm(y ~ lag(x, k = 1), family = binomial(link = "probit"))
一个关于使用lag
更评论,lag(x, 1)
对应X_ {T + 1}和lag(x, -1)
到X_ {T-1}