R - 季节性时间序列的线性回归模型

如何解决R - 季节性时间序列的线性回归模型

我正在处理月平均值。我有 24 年的数据。（所以 12 * 24 = 288 行）。我正在尝试使用函数 tslm（即代码）创建线性回归模型。

library(tidyverse)
library("tseries")
library(forecast)

data <- read_csv("data.csv")

data$start_TIME <- as.Date(data$start_TIME)

data_TS <- ts(data$VALUE,frequency = 12)

fit <- tslm(data_TS ~ trend + season)

summary(fit)

当前输出为：

Residuals:
     Min       1Q   Median       3Q      Max 
-19.9684  -4.6493  -0.0578   3.9262  23.3977 

Coefficients:
              Estimate Std. Error t value Pr(>|t|)    
(Intercept)  70.803362   1.628675  43.473  < 2e-16 ***
trend        -0.009475   0.005170  -1.833  0.06794 .  
season2      11.006465   2.066983   5.325 2.13e-07 ***
season3      11.540922   2.067002   5.583 5.76e-08 ***
season4      13.159978   2.067034   6.367 8.31e-10 ***
season5      12.753431   2.067080   6.170 2.50e-09 ***
season6      11.666369   2.067138   5.644 4.22e-08 ***
season7      -6.322834   2.067209  -3.059  0.00245 ** 
season8     -24.284647   2.067293 -11.747  < 2e-16 ***
season9     -34.434003   2.067390 -16.656  < 2e-16 ***
season10    -35.778105   2.114752 -16.918  < 2e-16 ***
season11    -27.213367   2.089425 -13.024  < 2e-16 ***
season12    -14.267532   2.140674  -6.665 1.49e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 7.16 on 269 degrees of freedom
  (4 observations deleted due to missingness)
Multiple R-squared:  0.8778,Adjusted R-squared:  0.8723 
F-statistic:   161 on 12 and 269 DF,p-value: < 2.2e-16

我想根据输出创建方程，但我缺少第 1 季的系数。

谁能解释一下如何解释摘要中的值以及如何创建数据的线性模型方程？

谢谢

解决方法

拟合有一个截距。因此，截距显示 season1 时的值。否则，拦截就没有意义了。如果你想要它明确，你可以让你的模型显示

fit <- tslm(data_TS ~ 0 + trend + season)

[编辑每个后续问题的更多信息]

考虑这个问题的一种方法是尝试想象手动使用模型来获得 data_TS 的估计值 - 你可以看到，如果你有一个截距和所有 12 个季节，你将能够得到当季节因素都不为真时的值。该值将是截距。

tslm 输出与其他 lm 输出类似。网上有很多关于它们的学习指南。大多数人假设您从统计文本中了解线性回归模型正在做什么。您可能想要搜索“在 R 中解释线性模型结果”。这是一个结果，每个输出项都有一些细节from Felipe Rego