我正在創建時間序列計量經濟回歸模型。 數據存儲在Pandas數據框中。

如何使用Python進行滯后的時序經濟計量分析？ 我過去曾經使用過Eviews(這是一個獨立的計量經濟學程序，即不是Python軟件包)。 要使用Eviews估算OLS方程，您可以編寫如下代碼：

1equation eq1.ls log(usales) c log(usales(-1)) log(price(-1)) tv_spend radio_spend

請注意滯后的依賴條款和滯后的價格條款。 這些滯后的變量似乎很難使用Python處理，例如 使用scikit或statmodels(除非我錯過了什么)。

創建模型后，我想執行測試并使用該模型進行預測。

我對執行ARIMA，指數平滑或Holt Winters時間序列投影不感興趣-我主要對時間序列OLS感興趣。

熊貓允許您移動數據而無需移動索引

1df.shift(-1)

將創建1索引滯后行為

要么

1df.shift(1)

將創建1個索引的前向滯后

因此，如果您有每日時間序列，則可以使用df.shift(1)在您的價格值中產生1天的滯后

1df['lagprice'] = df['price'].shift(1)

之后，如果您想進行OLS，可以在這里查看scipy模塊：

http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.stats.linregress.html

謝謝-看起來不錯。在估算模型之前，是否需要創建所有滯后序列？還是有一種方法可以創建一個在需要時計算滯后值的模型？

普通最小二乘回歸通常不需要任何滯后。您應該只過去X和Y值，以估計可以最大程度減少錯誤的Beta。那么您可以在給定新X值的情況下估算出任何Y。如果您需要滯后模型。通常，我們在自回歸模型中引入滯后值，其中Xt-1與Xt有關，但這將是一個不同的模型

但是假設您要估算Xt-1和X之間的beta，則可以使用scipy并將df [price] .shift(1)傳遞為X，將df [price]傳遞為Y，這將校準具有Xt = B * XT-1

謝謝，這是有幫助的。在許多計量經濟學時間序列模型中，BTW使用的是滯后變量(以及滯后因變量)。例如，價格術語可能會滯后。

你救了我。真正做到。上帝祝福你。祝福您。 ;)

總結

以上是生活随笔為你收集整理的python时间序列滞后命令_如何在Python Pandas回归模型中使用滞后的时间序列变量？...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。