Разница между лм и динлм

Question

Я пытаюсь решить, использовать ли lm и dylm для некоторых регрессий, и провел несколько тестов, чтобы проверить, есть ли у меня надежные результаты с использованием оператора задержки. Однако я нашел результат, который мне показался необычным.

Сначала я провел оценку с регрессором уже с лагом (1), а затем использовал функцию лага (2) в lm.

(1)

lm_PCLR_stack <-lm (IPCA_diff1 ~ IPCA_diff1_lag1 + U3_log -1, data = final_data_clean)
summary(lm_PCLR_stack)


Call:
lm(formula = IPCA_diff1 ~ IPCA_diff1_lag1 + U3_log - 1, data = final_data_clean)

Residuals:
       Min         1Q     Median         3Q        Max 
-0.0067594 -0.0021942 -0.0001499  0.0017506  0.0123410 

Coefficients:
                 Estimate Std. Error t value Pr(>|t|)    
IPCA_diff1_lag1 0.5348701  0.0934555   5.723 1.53e-07 ***
U3_log          0.0030485  0.0007368   4.138 8.22e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.003406 on 85 degrees of freedom
Multiple R-squared:  0.8029,    Adjusted R-squared:  0.7983 
F-statistic: 173.1 on 2 and 85 DF,  p-value: < 2.2e-16

(2)

lmlag_PCLR_stack <-lm(IPCA_diff1 ~ lag(IPCA_diff1, 1) + U3_log -1, data = final_data_clean)
summary(lmlag_PCLR_stack)


Call:
lm(formula = IPCA_diff1 ~ lag(IPCA_diff1, 1) + U3_log - 1, data = final_data_clean)

Residuals:
       Min         1Q     Median         3Q        Max 
-0.0067577 -0.0021978 -0.0001549  0.0017687  0.0123458 

Coefficients:
                    Estimate Std. Error t value Pr(>|t|)    
lag(IPCA_diff1, 1) 0.5342741  0.0942942   5.666 2.00e-07 ***
U3_log             0.0030494  0.0007412   4.114 9.03e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.003426 on 84 degrees of freedom
  (1 observation deleted due to missingness)
Multiple R-squared:  0.8004,    Adjusted R-squared:  0.7956 
F-statistic: 168.4 on 2 and 84 DF,  p-value: < 2.2e-16

Поэтому я повторил процесс, используя dynlm. Для регрессии с регрессором, уже имеющим лаг (3), результат был таким же, но для регрессии с оператором лага (4) результат был не только другим, но немного странным.

(3) )

dynlm_PCLR_stack <-dynlm(IPCA_diff1 ~ IPCA_diff1_lag1 + U3_log - 1, data = final_data_clean)
summary(dynlm_PCLR_stack)

Time series regression with "numeric" data:
Start = 1, End = 87

Call:
dynlm(formula = IPCA_diff1 ~ IPCA_diff1_lag1 + U3_log - 1, data = final_data_clean)

Residuals:
       Min         1Q     Median         3Q        Max 
-0.0067594 -0.0021942 -0.0001499  0.0017506  0.0123410 

Coefficients:
                 Estimate Std. Error t value Pr(>|t|)    
IPCA_diff1_lag1 0.5348701  0.0934555   5.723 1.53e-07 ***
U3_log          0.0030485  0.0007368   4.138 8.22e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.003406 on 85 degrees of freedom
Multiple R-squared:  0.8029,    Adjusted R-squared:  0.7983 
F-statistic: 173.1 on 2 and 85 DF,  p-value: < 2.2e-16

(4)

dynlm_lag_PCLR_stack <-dynlm(IPCA_diff1 ~ L(IPCA_diff1) + (U3_log) - 1, data = final_data_clean)
summary(dynlm_lag_PCLR_stack)

essentially perfect fit: summary may be unreliable
Time series regression with "numeric" data:
Start = 1, End = 87

Call:
dynlm(formula = IPCA_diff1 ~ L(IPCA_diff1) + (U3_log) - 1, data = final_data_clean)

Residuals:
       Min         1Q     Median         3Q        Max 
-2.302e-18 -4.373e-19 -2.505e-19 -1.223e-19  3.053e-17 

Coefficients:
               Estimate Std. Error  t value Pr(>|t|)    
L(IPCA_diff1) 1.000e+00  9.088e-17 1.10e+16   <2e-16 ***
U3_log        1.575e-19  7.112e-19 2.21e-01    0.825    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 3.359e-18 on 85 degrees of freedom
Multiple R-squared:      1, Adjusted R-squared:      1 
F-statistic: 2.217e+32 on 2 and 85 DF,  p-value: < 2.2e-16

Какие-нибудь советы о том, что могло бы произойти? На базе нет НС. Заранее спасибо!