网页设计模板的网站/做百度推广的业务员电话

我目前在面板数据上运行三个模型 . 我有超过12个时期的378个客户 . 我使用我的响应变量的直接滞后 . 例如，时段t-1中的频率是时段t中频率的预测器：

购买< - glm(pur~freq.t-1 sales.t-1 more variables，family = binomial(link =“logit”)，data = dat)frequency < - glm.nb(freq~freq.t-1 sales.t-1 more variables，data = dat.pur)sales < - glm(sales~frequency freq.t-1 sales.t-1 more variables，data = dat.pur)

如果预测购买== 1，我只估算频率和销售额 . 我使用频率的预测值作为销售预测器 .

我的数据中存在显着的序列相关性，这是预期的 . 我希望通过包含动态滞后结构来利用这一点 .

请参见下面的代码，它是客户57的频率向量 . 对于每个周期，我根据先前的频率观察预测频率t 1 .

我现在想在上面的模型中使用freq.ets(或freq.hw)作为预测器 . 这是允许我现在这样做的方式吗？

c.57$freq

for (i in 2:12) {

c.57$freq.ets[i]

c.57$freq.hw[i]

}

freq freq.ets freq.hw

1 2 NA NA

2 1 1.800000 1.000066

3 2 2.000000 1.999934

4 1 1.546773 1.546758

5 1 1.237072 1.237079

6 2 1.586379 1.586379

7 1 1.428557 1.401724

8 2 1.500029 1.589050

9 2 1.555596 1.682220

10 1 1.500029 1.539794

11 2 1.545460 1.640922

12 2 1.583327 1.705174

附：我知道可能有更好的方法来估计我的模型，而不是使用上面的结构和3个独立的模型(例如同步系统/随机效应模型)，但我想从这个基本的设置和工作开始从那里 . 所以在这一刻我真的很感兴趣，如果包含这些滞后结构是正确的方法 .