Nano Hash - криптовалюты, майнинг, программирование

R: тест Дарбина-Уотсона с результатом NA

Я пытаюсь измерить корреляцию между исторической ценой акции и индексом, используя тест Дарбина Уотсона в R.

Вот что я сделал до сих пор:

data <- read.xlsx("data.xlsx", colNames = TRUE, detectDates = TRUE)
data
head(data)
data$X1 <- as.Date(data$X1)

bbva <- xts(data$BBVA, data$X1)
ibex <- xts(data$IBEX, data$X1)

ldbbva <- diff(log(bbva))
ldibex <- diff(log(ibex))

Здесь я заполняю некоторые значения NA.

mean <- mean(ldbbva, na.rm = TRUE) 
ldbbva[is.na(ldbbva)] <- mean

mean <- mean(ldibex, na.rm = TRUE) 
ldibex[is.na(ldibex)] <- mean

И я делаю регресс

regression <- lm(ldibex ~ ldbbva)

Если мы посмотрим на ldibex (например), мы увидим что-то вроде этого:

                    [,1]
2010-01-04 -0.0001060206
2010-01-05  0.0048708104
2010-01-06  0.0014819410
2010-01-07 -0.0046086970
2010-01-08 -0.0002712618
2010-01-11 -0.0073027658

Но когда я пытаюсь запустить тест dwtest(regression), это вывод:

    Durbin-Watson test

data:  regression
DW = NA, p-value = NA
alternative hypothesis: true autocorrelation is greater than 0

Я уже заполнил все значения NA, поэтому не понимаю, почему это NA.


  • Как выглядят ваши данные? Вам нужно дать ответчикам больше возможностей для работы: stackoverflow.com/help/mcve 23.01.2017

Ответы:


1

Возникла проблема с использованием объекта xts с тестом Дурбина-Ватсона. Попробуйте преобразовать ваши данные в числовой вектор:

ldbbva <- as.numeric(diff(log(bbva)))
ldibex <- as.numeric(diff(log(ibex)))

Я надеюсь, что это помогает!

09.06.2017
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..