GAM (R) 中的自相关

Question

我正在将 GAM 拟合到时间序列中，以检查任何趋势和季节性。我希望我的数据是自相关的，当我拟合一些模型时，我需要检查残差中是否存在自相关，作为模型诊断的一部分。
我读到建议将 ACF() 函数应用于归一化残差以准确评估自相关。它是否正确？如果是这样，我如何从 R 中的 gam() 拟合（来自 MGCV 包）模型中获得归一化残差？

我的模型是这样的：

    gam(abundance ~ species + s(year_factor, bs= "re") + 
    s(julian_day_number, by=species)+s(month_as_numeric, bs="cc", by=species), 
    data=data, method="REML", family=tw())

我有 5 个物种，我想看看每个物种是否有显着的趋势和季节性。

趋势是儒略日数
季节性是数字形式的月份
随机效应以年份为因素

我尝试在 Pearson 残差上绘制 ACF，

residuals(model, type="Pearson")

，因为在阅读 R 文档上的一些帮助文档后，它们似乎是最接近归一化残差的类型。

Answer 1

当您在模型中拟合了相关函数时，您只需要归一化或标准化残差。由于您尚未在此处执行此操作，因此您可以仅使用标准残差进行 ACF 诊断。皮尔逊残差也能起作用；它们通过观测值的估计方差进行标准化。