(Bing Image Creator で生成: プロンプト: Close-up of yellow and pink Bougainvillea flowers, back scene is blue sky, photo)
の続きです。
今回は、Serial Correlation があるかどうかをチェックしたいと思います。
static_model の残差を求めます。
グラフにしてみます。
どうなんでしょうか？この残差のグラフを見て、Serial Correlation があるかどうかわかりますかね？
残差のラグを求めます。
u を u_lag1 で回帰分析して、u_lag1 の係数が有意ならば Serial Correlation があります。
lm() 関数と summary() 関数で実行します。
u = 0.43 + 0.79 * u_lag1 + e という推定式です。0.79 という係数は有意な係数でした。正の Serial Correlation があります。
FDL_model ではどうでしょうか？
まずは、残差を求めました。
FDL_model の残差も static_model と同じようなグラフですね。
残差のラグを作成しました。回帰分析で Serial Correlation を調べます。
u = 0.53 + 0.93 * u_lag1 + e と推定されました。u_lag1 の係数は有意です。FDL_model の残差も Serial Correlation がありました。
AR(1) model はどうでしょうか？
残差をグラフにしてみます。
前の２つのグラフとは、あきらかに形状が違うグラフですね。
残差のラグを求めます。
回帰分析します。
u = -0.026 + 0.255 * u_lag1 + e という式が推計できました。この 0.255 の有意な係数です。
static_model, FDL_model, AR(1) model, 3つとも Serial Correlation があることがわかりました。
今回は以上です。
初めから読むには、
です。
次回は
です。
今回のコードは以下になります。
#
# static_modelの残差
static_residual <- tibble(u = resid(static_model))
static_residual
#
# 残差のチャート
plot(static_residual$u)
lines(static_residual$u)
#
# u: 残差 のラグを作成
static_residual <- static_residual |>
mutate(u_lag1 = c(NA, u[1:(nrow(static_residual) - 1)]))
static_residual
#
# u ~ u_lag を回帰分析
lm(u ~ u_lag1, data = static_residual) |>
summary()
#
# FDL_modelの残差
FDL_residual <- tibble(u = resid(FDL_model))
FDL_residual
#
# 残差のチャート
plot(FDL_residual$u)
lines(FDL_residual$u)
#
# u のラグを作成
FDL_residual <- FDL_residual |>
mutate(u_lag1 = c(NA, u[1:(nrow(FDL_residual) - 1)]))
FDL_residual
#
# u ~ u_lag1 を回帰分析
lm(u ~ u_lag1, data = FDL_residual) |>
summary()
#
# AR1_modelの残差
AR1_residual <- tibble(u = resid(AR1_model))
AR1_residual
#
# 残差のチャート
plot(AR1_residual$u)
lines(AR1_residual$u)
#
# uのラグを作成
AR1_residual <- AR1_residual |>
mutate(u_lag1 = c(NA, u[1:(nrow(AR1_residual) - 1)]))
AR1_residual
#
# u ~ u_lag1 を回帰分析
lm(u ~ u_lag1, data = AR1_residual) |>
summary()
#
