【发布时间】：2018-02-25 17:39:00
【问题描述】：
我真的需要帮助
我必须看看假期、特殊日子和天气对我的日常数据是否有影响。每日数据明显具有季节性周期。
因此，为此，我尝试使用大约 1100 个观察值运行线性回归。第一步是按照我阅读的论文中的描述改变销售数量。
Rt=Ln(Pt/Pt-1)*100
Pt 是今天的销售额，Pt-1 是前一天的销售额
为了考虑季节性，我只是使用星期几作为虚拟变量进行第一次线性回归
fit<- lm(log_return~D1+D3+D4+D5+D6+D7,data=mydata)
使用 OLS 会得到以下结果：Model Plot
残差是非正态的，Q-Q Plot 显示了一些沉重的腿。我认为这可能是因为残差具有显着的异方差性和自相关性。
从我阅读的论文中，作者总是使用 Standard White 和 Newey West 来校正残差中的异方差和自相关。变量，我有两个问题，使我的 OLS 肯定是错误的。
从 R 的 sandwich 文档中，Newey West 似乎可以自动找到合适的滞后量，这对我来说很棒，因为我尝试了几个 ARMA( p,q) 变体没有成功。
所以现在我运行 vcovHAC(fit)，我不确定它是什么。它是否也完全用 White SE 纠正了我的未知自相关和异方差问题，并找到纠正回归所需的必要滞后？
我如何在我的回归中应用它以获得与 summary(fit) 相同的摘要，但在 R 中使用更正的值，包括 Rsquared？ 它会神奇地纠正一切吗？有什么限制？
非常感谢大家
【问题讨论】：
标签： regression robust