关于先构建收益率与失业率ARIMA模型再开展回归分析的技术咨询

目标流程：

• 对收益率构建ARIMA模型
• 对失业率构建ARIMA模型
• 将两个ARIMA模型的输出（拟合值/残差）纳入回归分析，用于解释收益率（注：原代码中因变量为标准化赫芬达尔指数，若需匹配目标需求，需调整因变量为收益率）

# 将收益率和失业率转换为月度时间序列（起始年份1990年1月）
yield_ts <- ts(Gini_Herfindahl_2$`yield`, start = c(1990, 1), frequency = 12)
unemployment_ts <- ts(Gini_Herfindahl_2$`Unemployment rate`, start = c(1990, 1), frequency = 12)

# 安装并加载forecast包（首次运行需执行安装命令）
# install.packages("forecast")
library(forecast)

# 自动选择最优ARIMA模型拟合收益率
ar_modell_yield <- auto.arima(yield_ts)

# 自动选择最优ARIMA模型拟合失业率
ar_modell_unemployment <- auto.arima(unemployment_ts)

# 构建回归模型：注意需提取ARIMA模型的拟合值/残差作为自变量，而非直接使用模型对象
# 若目标是解释收益率，需将因变量替换为 yield_ts 或 Gini_Herfindahl_2$`yield`
regression <- lm(Gini_Herfindahl_2$`Normierter Herfindahl Index` ~ ar_modell_yield$fitted + ar_modell_unemployment$fitted)

# 输出回归模型的详细结果
summary(regression)

内容的提问来源于stack exchange，提问作者Der Tellerwäscher