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。
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。