การแทรกแซงด้วยความแตกต่าง


10

เมื่อทำการวิเคราะห์การแทรกแซงด้วยข้อมูลอนุกรมเวลา (อนุกรมเวลาขัดจังหวะ aka) ดังที่กล่าวไว้ที่นี่ตัวอย่างหนึ่งข้อกำหนดที่ฉันมีคือการประเมินผลรวม (หรือการสูญเสีย) เนื่องจากการแทรกแซง - จำนวนหน่วยที่ได้รับหรือสูญหาย (ตัวแปร Y )

ไม่เข้าใจวิธีการประมาณฟังก์ชั่นการแทรกแซงโดยใช้ฟังก์ชั่นตัวกรองภายใน R ฉันไปเกี่ยวกับมันในลักษณะเดรัจฉานแรงหวังว่านี่เป็นเรื่องทั่วไปพอที่จะทำงานในสถานการณ์ใด ๆ

ให้บอกว่าได้รับข้อมูล

 cds<- structure(c(2580L, 2263L, 3679L, 3461L, 3645L, 3716L, 3955L, 
    3362L, 2637L, 2524L, 2084L, 2031L, 2256L, 2401L, 3253L, 2881L, 
    2555L, 2585L, 3015L, 2608L, 3676L, 5763L, 4626L, 3848L, 4523L, 
    4186L, 4070L, 4000L, 3498L), .Dim = c(29L, 1L), .Dimnames = list(
        NULL, "CD"), .Tsp = c(2012, 2014.33333333333, 12), class = "ts")

เราตัดสินใจว่าแบบจำลองการฟิตติ้งที่ดีที่สุดมีดังต่อไปนี้โดยมีฟังก์ชั่นการแทรกแซงดังนี้

Xtmt=ω0(1δB)Xtโดยที่เป็นชีพจรในเดือนตุลาคม 2556Xt

fit4 <- arimax(log(cds), order = c(1,1,0),include.mean=FALSE, 
               xtransf = data.frame(Oct13 = 1*(seq_along(cds)==22)),
               transfer = list(c(1,0))
               ,xreg=1*(seq_along(cds)==3))
fit4

#    ARIMA(1,1,0)                    

#    Coefficients:
#              ar1    xreg  Oct13-AR1  Oct13-MA0
#          -0.0184  0.2718     0.4295     0.4392
#    s.e.   0.2124  0.1072     0.3589     0.1485

#    sigma^2 estimated as 0.02176:  log likelihood=13.85
#    AIC=-19.71   AICc=-16.98   BIC=-13.05

ฉันมีสองคำถาม:

1) แม้ว่าเราจะมีข้อผิดพลาด ARIMA ที่แตกต่างกันเพื่อประเมินฟังก์ชั่นการแทรกแซงที่เหมาะสมในทางเทคนิคโดยใช้ซีรีส์ที่แตกต่างมีอะไรที่เราต้องทำเพื่อ "เปลี่ยนกลับ" ประมาณการของหรือจากการใช้ถึง ?ω 0 δ X t X tXtω0δXtXt

2) สิ่งนี้ถูกต้อง: เพื่อกำหนดกำไรของการแทรกแซงฉันสร้างการแทรกแซงจากพารามิเตอร์ เมื่อฉันมีแล้วฉันจะเปรียบเทียบค่าที่ติดตั้งจากแบบจำลอง fit4 (exp () เพื่อย้อนกลับบันทึก) เพื่อ exp (ค่าติดตั้งลบด้วย ) และพิจารณาว่าในช่วงเวลาที่สังเกตเห็นการแทรกแซงส่งผลให้หน่วยพิเศษ 3342.37m t m tmtmtmt

กระบวนการนี้เป็นกระบวนการที่ถูกต้องในการกำหนดกำไรโดยทั่วไปจากการวิเคราะห์การแทรกแซงหรือไม่?

    int_vect1<-1*(seq_along(cds)==22)
    wo<- 0.4392
    delta<-0.4295


    mt<-rep(0,length(int_vect1))

    for (i in 1:length(int_vect1))
    {

      if (i>1)
      {
        mt[i]<-wo*int_vect1[i]+delta*mt[i-1]
      }

    }


    mt

sum(exp(fitted(fit4)) - (exp(fitted(fit4) - mt)))

2
สงสัยว่าถ้าใครสามารถทำให้กระจ่างเกี่ยวกับวิธีการที่เหมาะสมในการประเมินผลกระทบของการแทรกแซง - โดยทั่วไปถ้าขั้นตอนที่ฉันแสดงให้เห็นนั้นถูกต้องจริงหรือไม่?
B_Miner

นี่เป็นคำถามที่ยอดเยี่ยม ฉันสงสัยว่าตัวเลือกฟังก์ชั่นตัวบ่งชี้อาจไม่ใช่ตัวเลือกที่ดีที่สุดขึ้นอยู่กับลักษณะของการแทรกแซง บางทีอาจจะเป็นฟังก์ชั่นการสลายชี้แจงสำหรับพารามิเตอร์การปรับบาง\αmt=exp(α(ti))ifitelse0α
เจสสิก้าคอลลิน

คำตอบ:


4

สมมติว่านี่เป็นตัวอย่างของเล่น:

ในการตอบคำถามแรกของคุณ:

1) แม้ว่าเราจะมีข้อผิดพลาด ARMA ที่แตกต่างกันเพื่อประเมินฟังก์ชั่นการแทรกแซงที่เหมาะสมในทางเทคนิคแล้วการใช้ซีรีส์ที่แตกต่าง▽ Xt มีอะไรที่เราต้องทำเพื่อ "เปลี่ยนกลับ" ประมาณการของω0หรือδจากการใช้▽ Xt ถึง Xt?

เมื่อคุณแตกต่างของข้อมูลคุณควรสร้างความแตกต่างให้กับตัวแปรการตอบสนอง / การแทรกแซง เมื่อคุณกลับแตกต่าง (เปลี่ยน) หลังจากที่คุณสร้างแบบจำลองแล้วนี้โดยอัตโนมัติจะดูแล differencing ** SAS Proc ARIMAฉันรู้ว่านี้เป็นเรื่องง่ายมากเมื่อคุณใช้ Rฉันไม่ทราบวิธีการที่จะทำเช่นนี้

คำถามที่สอง:

2) สิ่งนี้ถูกต้อง: เพื่อกำหนดกำไรของการแทรกแซงฉันสร้างการแทรกแซง mt จากพารามิเตอร์ เมื่อฉันมี mt แล้วฉันจะเปรียบเทียบค่าติดตั้งจากแบบจำลอง fit4 (exp () เพื่อย้อนกลับบันทึก) เพื่อ exp (ค่าติดตั้งลบด้วย mt) และพิจารณาว่าในช่วงเวลาที่สังเกตเห็นการแทรกแซงส่งผลให้หน่วยพิเศษ 3342.37

หากต้องการทราบว่าได้รับการแทรกแซงคุณจะต้องใช้เลขชี้กำลังแล้วจึงลบ -1 สิ่งนี้จะทำให้สัดส่วนหรือผลเพิ่มขึ้น หากต้องการแสดงสิ่งนี้ในกรณีของคุณโปรดดูด้านล่าง สำหรับเดือนแรกผลกระทบคือ 55% ของยอดขายดั้งเดิมและการสลายตัวอย่างรวดเร็ว Cumulativelt คุณมีผลเพิ่มขึ้น 4580 หน่วย (13 ต.ค. ถึง ก.พ. 2014 (ฉันอ้างถึงหลักการพยากรณ์และการประยุกต์ใช้โดย Delurgio P: 518 มีบทที่ยอดเยี่ยมมากมายในการวิเคราะห์การแทรกแซง)

มีคนโปรดแก้ไขถ้าวิธีการนี้ถูกต้องหรือไม่

ชีพจรแทรกแซง + ผุไม่ชัดเจนเพียงพอในกรณีนี้ผมจะทำกะชีพจร + ระดับถาวรดังแสดงในแผนภาพ (จ) ด้านล่างซึ่งเป็นกระดาษจากคลาสสิกโดยกล่องและ Tiao

ป้อนคำอธิบายรูปภาพที่นี่

ป้อนคำอธิบายรูปภาพที่นี่


สวัสดี @forecaster คุณได้รับผลกระทบ 3170 เป็นอย่างไร? นี่คือสิ่งที่ฉันทำฉันดูที่ค่าติดตั้งของโมเดลซึ่งคือ 8.64245833 (ยังอยู่ในระดับล็อก) จากนั้น exp (8.64245833) = 5667.244674 จากนั้นฉันก็เอา 8.64245833 - 0.4392 = 8.20325833 ตั้งแต่ exp (8.64245833) - exp (8.20325833) = 2014.411599 นี่คือผลกระทบ exp (8.64245833) / exp (8.20325833) = 1.55 ซึ่งดูเหมือนว่าฉันชอบการสนับสนุนนี้
B_Miner

คุณใช้ของจริงและเอฟเฟกต์แบบจำลองที่ฉันเดากับแนวทางของฉันซึ่งใช้โมเดลทั้งคู่ ฉันใช้ความคิดของแบบจำลองที่พูดด้วยและไม่มีผลกระทบ อะไรถูก
B_Miner

สวัสดี @B_miner ด้วยสเกลการแปลงลอการิทึมเราจำเป็นต้องดูอัตราการเปลี่ยนแปลง วิธีที่ฉันระบุไว้เป็นแนวทางโดยตรงต่อตำราเรียนฉันยกมา อย่างไรก็ตามแนวทางของคุณก็สมเหตุสมผลเช่นกัน ฉันจะจับภาพหน้าหนังสือเรียนในอนาคตอันใกล้
พยากรณ์

อัตราการเปลี่ยนแปลงคือ 0.55 ซึ่งเป็นอัตราการเปลี่ยนแปลงในวิธีการของแบบจำลองที่ฉันถ่ายด้วย ฉันสงสัยว่าวิธีใดที่เหมาะสมกว่า ฉันโน้มตัวเข้าหาฉันเนื่องจากแนวทางนี้ใช้โมเดล (พอดี veruss จริง) หากแบบจำลองนั้นใกล้เคียงกับของจริงมากทั้งสองวิธีจะเป็นตัวอย่าง ฉันต้องการจะดูหน้าต่างๆ ฉันเห็นหนังสือพิมพ์ออกมาใช่ไหม
B_Miner

ใช่หนังสือพิมพ์ออกมาแล้ว ตัวอย่างหนังสือคือการเปลี่ยนแปลงอย่างถาวรเทียบกับการแทรกแซงของพัลส์ในตัวอย่างของคุณ ฉันคิดว่าแนวทางของคุณตรงไปตรงมาและแม่นยำ
พยากรณ์

0

@forecaster หลังจากที่ปล่อยให้ Autobox เพื่อแจ้ง 3 ค่าผิดปกติโดยใช้ค่า 29 (ไม่ได้ที่ไม่เหมาะสมในประสบการณ์ y) เป็นรูปแบบที่มีประโยชน์ถูกพบและที่นี่ป้อนคำอธิบายรูปภาพที่นี่ ป้อนคำอธิบายรูปภาพที่นี่พล็อตที่เหลือ acf ป้อนคำอธิบายรูปภาพที่นี่ไม่ได้แนะนำรูปแบบภายใต้ระบุ ที่เกิดขึ้นจริง / Fit / การพยากรณ์พล็อตป้อนคำอธิบายรูปภาพที่นี่กับ Fit / ป้อนคำอธิบายรูปภาพที่นี่การพยากรณ์ที่นี่ ผู้ทำนายมี (อย่างถูกต้อง) ที่กล่าวถึงก่อนหน้านี้ว่าตัวแปรพัลส์สามารถแปรเปลี่ยนเป็นตัวแปรระดับ / ขั้นตอนได้อย่างไรเมื่อมีการแนะนำค่าสัมประสิทธิ์ส่วนที่เกือบ 1.0 ในการค้นหากะสองระดับ (อันล่าสุดที่เริ่มต้นใน 9/2013) และพัลส์ที่ 10/2013 โมเดลนำเสนอภาพที่ชัดเจนยิ่งขึ้น ในแง่ของผลกระทบของพัลส์ที่ 10/13 มันเป็นเพียงค่าของสัมประสิทธิ์ HTH


2
คุณตอบคำถามสองข้อข้อใด
B_Miner

คำถามแรกมีโมเดลที่สันนิษฐานว่าเป็นการแปลงบันทึกซึ่งฉันเชื่อว่าไม่รับประกัน พัลส์ที่ 10/2013 = 1710 ซึ่งเป็นค่าประมาณของผลกระทบที่ 10/2013
IrishStat

@B_Miner คุณสามารถพูดได้ว่าการเลื่อนระดับเมื่อวันที่ 9/2013 สิ่งต่าง ๆ เพิ่มขึ้นโดย 1480 ดังนั้นการยกสุทธิที่ 10/2013 จะเป็น 1710 + 1480 = 3190
IrishStat

โพสต์นี้ดูเหมือนว่าจะมีความคิดเห็นเพิ่มเติมเกี่ยวกับคำถามมากกว่าจะเป็นการตอบคำถามส่วนใดส่วนหนึ่งของคำถาม บางทีมันอาจจะถูกเติมเพื่อตอบคำถามโดยตรง?
whuber

หลักฐานที่ผิดพลาดของคำถามแรกคือปมของคำตอบของฉัน: การบันทึกและผสมผสานความแตกต่างที่ไม่จำเป็นนั้นเป็นคำถาม / ไม่ถูกต้องในความคิดของฉัน ... ดังนั้น "คำตอบ" ของฉันจึงเป็นส่วนหนึ่งในการแก้ไขหลักฐานและแนะนำผลกระทบ ที่ 10/2013 เป็นเพียงผลรวมของการเปลี่ยนแปลงชั่วคราวและถาวร แม้ว่า OP จะยอมรับคำตอบอื่นที่ฉันยังไม่ได้
IrishStat
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.