Wie zu Verwenden Verzögerten Zeitreihen-Variablen in einem Python Pandas Regressionsmodell?
Ich bin erstellen von Zeitreihen-ökonometrische REGRESSIONSMODELLE. Die Daten werden in einem Pandabären-Daten-frame.
Wie kann ich verzögerte Zeitreihen-ökonometrische Analyse auf Basis von Python? Ich habe verwendet, Eviews) in der Vergangenheit (ist eine eigenständige ökonometrische Programm also nicht ein Python-Paket). Zur Schätzung einer OLS-Gleichung mit Eviews schreiben Sie etwas wie:
equation eq1.ls log(usales) c log(usales(-1)) log(price(-1)) tv_spend radio_spend
Hinweis die verzögerte abhängige und verzögerte Preis-Bedingungen. Es ist diese verzögerten Variablen, die zu sein scheinen schwierig zu handhaben mit Python z.B. mit scikit-oder statmodels (es sei denn ich habe etwas übersehen).
Einmal habe ich ein Modell entwickelt, ich würde gerne tests durchführen und den Einsatz des Modells zur Prognose.
Ich bin nicht daran interessiert, ARIMA, Exponentielle Glättung, oder Holt-Winters-Zeit-Serie Projektionen - ich bin vor allem daran interessiert, Zeit-Serie OLS.
InformationsquelleAutor Steve Maughan | 2016-10-03
Du musst angemeldet sein, um einen Kommentar abzugeben.
pandas verlagern Sie Ihre Daten, ohne den index, hat
wird, erstellen Sie einen 1-index lag behing
oder
wird, erstellen Sie eine forward-Verzögerung von 1 index
also, wenn Sie eine tägliche Zeit der Serie, die Sie nutzen könnten df.shift(1) erstellen Sie eine 1-Tages lag in den Sie die Werte der Preis-so hat
nach, dass, wenn Sie wollen, zu tun, OLS Sie können sich bei scipy-Modul hier :
http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.stats.linregress.html
Ordinary Least Squares regression braucht keine lag-normalerweise. sollten Sie nur Vergangenheit X-und Y-Werte zur Schätzung der Beta, die Minimierung der Fehler. dann können Sie abschätzen, jedes Y eine neue X-Werte. wenn Sie eine verzögerte Modell. Wir normalerweise vorstellen verzögerte Werte im 'auto-regressiven' Modell, in dem die Xt-1 hat etwas zu tun mit der Xt, aber das wäre ein anderes Modell
aber lassen Sie sagen, Sie wollen für die Schätzung eines beta zwischen Xt-1 und X, die Sie verwenden könnten, scipy und pass df['Preis'].shift(1) X und df['Preis'] wie Y, das würde die Kalibrierung eines beta so ist Xt = B*Xt-1
Danke, das ist hilfreich. BTW in vielen ökonometrischen zeitreihenmodellen eine verzögerte variable verwendet wird (wie auch der verzögerten abhängigen). Zum Beispiel, ein Preis, den Begriff könnte verzögerte.
Du hast mich gerettet. Wirklich. Gott segne Sie. Alle Segnungen, die mit Ihnen. 😉
InformationsquelleAutor Steven G