问题描述
假设我有一个低频变量和一个高频变量。 我想建立一个模型，其中根据低频的观察预测高频变量。 midasr 包被构造为做相反的事情，即从低频估计高频变量。 高频为月度数据，低频为季度数据。 数据结构如下：
install.packages('midasr')
install.packages('dynlm')
library('midasr')
library('dynlm')
data("USqgdp",package = "midasr")
data("USpayems",package = "midasr")
y <- window(USqgdp,end = c(2011,2))
x <- window(USpayems,7))
yg <- diff(log(y)) * 100
xg <- diff(log(x)) * 100
nx <- ts(c(NA,xg,NA,NA),start = start(x),frequency = 12)
ny <- ts(c(rep(NA,33),yg,frequency = 4)
xx <- window(nx,start = c(1985,1),end = c(2009,3))
yy <- window(ny,1))
xx 是具有 291 个观测值的高频变量。 yy 是具有 97 个观测值的低频。因此不匹配为 3，即月/季度不匹配。现在我想知道如何使用下面的函数进行回归。
lm(xx ~ yy)
当然，我得到了可变长度（97 和 291）差异的错误。 有没有人知道在使用或不使用midasr 包的情况下如何处理这个问题？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）