Я работаю с набором данных, который включает временные ряды для нескольких лиц. Каждый участник i занимался различными видами деятельности в течение нескольких часов (хотя время, в которое отдельные лица участвовали в каком-либо задании, различалось), и в качестве результата измерялась переменная y.
Мне интересно запустить следующую смешанную модель:
y = ɑ_ {0it} + λID_i + ?X_ {it} + ε_i
где ɑ_ {0it} = β_ {0i} + η_ {it}, η_ {it} ~ N (0, ?_i ^ 2) - случайный перехват и
ε_i ~ ARMA (p, q), где p и q варьируются в зависимости от индивидуума
X_ {it} - это все экзогенные переменные, такие как активность, в которой каждый конкретный человек участвовал в момент времени t.
Все, кроме различных процессов ошибок, легко реализовать в GLS, используя что-то вроде:
gls(y ~ Activity + ID + X3 + X4 + ..., data = df,
correlation = corARMA(form = ~Minute|ID, p=p, q=q), method = "ML")
Однако, исходя из моего понимания (и, пожалуйста, исправьте меня, если я ошибаюсь), такого рода модель требует, чтобы я использовал те же самые p и q для каждого человека (и параметры в модели, а также я ') м при условии).
Есть ли способ разрешить варьировать p и q в процессе ARMA для каждого человека? Например, разрешить ли отдельным терминам ошибок 1 следовать процессу AR (2), в то время как отдельным ошибочным терминам 2 следовать модели MA (1)? Если так, как я могу go сделать это? Я действительно хотел бы не использовать индивидуальную модель для каждого участника, так как это лишает возможности объяснять различные эффекты для вас.
Спасибо.