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
Xtโดยที่เป็นชีพจรในเดือนตุลาคม 2556
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 t
2) สิ่งนี้ถูกต้อง: เพื่อกำหนดกำไรของการแทรกแซงฉันสร้างการแทรกแซงจากพารามิเตอร์ เมื่อฉันมีแล้วฉันจะเปรียบเทียบค่าที่ติดตั้งจากแบบจำลอง fit4 (exp () เพื่อย้อนกลับบันทึก) เพื่อ exp (ค่าติดตั้งลบด้วย ) และพิจารณาว่าในช่วงเวลาที่สังเกตเห็นการแทรกแซงส่งผลให้หน่วยพิเศษ 3342.37m t m t
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)))