引文数据的线性回归模型

Question

我想建立一个线性回归模型来确定各种参数对报价的影响。这些引文的数据收集了10年。

​

​

Y=价格

X=系统大小(Int)、ZIP、年份、module_manufacturer、module_name、inverter_manufacturer、inverter_name、电池存储(二进制)、区域安装程序/供应商数量(Int)、installer_density、new_construction(二进制)、self_installation(二进制)、家庭密度

问题：

1. 什么类型的回归模型适合这个数据集？
2. 由于技术进步，报价价格逐年下降。我怎样才能在模型中说明不同的年份？我发现了一些例子，其中年份被认为是二进制变量。另一种选择:每年的多元回归模型。有办法组合这些多模型吗？
3. 是数据集的一种面板数据吗？

不幸的是，我还没有找到任何信息，可以明确地帮助我的数据。但也许我没有使用正确的搜索词。我很高兴听到任何能推动我朝正确方向前进的建议。

Answer 1

假设您有一个名为data.frame的data，列价格、system_size、zip、年份、battery_storage等。那么，您可以从一个简单的线性回归开始：

lm(price ~ system_size + zip + year + battery_storage, data = data)

year包含在模型中，因此您会考虑到随时间而发生的变化。如果您想删除批处理效果(例如，不同区域的邮政编码)，并且只想在去掉不同位置的影响后对价格建模，则可以运行一个线性混合模型：

lmerTest::lmer(price ~ system_size + year + battery_storage + (1|zip), data = data)

如果您有很高的相关性，例如，在system_size和年份之间，您可能需要在公式中包含诸如year:system_size这样的交互术语。根据经验法则，每个变量需要有10个样本才能得到合理的拟合。如果有更多内容，可以先进行变量选择。