วิธีการระบุฟังก์ชั่นการถ่ายโอนในรูปแบบการพยากรณ์การถดถอยอนุกรมเวลา


9

ฉันกำลังพยายามสร้างแบบจำลองการพยากรณ์การถดถอยอนุกรมเวลาสำหรับตัวแปรผลลัพธ์เป็นจำนวนเงินดอลลาร์ในแง่ของตัวแปรตัวทำนาย / อินพุตอื่น ๆ และข้อผิดพลาดที่เกี่ยวข้องโดยอัตโนมัติ แบบจำลองชนิดนี้เรียกว่าแบบจำลองการถดถอยแบบไดนามิก ฉันต้องเรียนรู้วิธีระบุฟังก์ชั่นการถ่ายโอนสำหรับผู้ทำนายแต่ละคนและชอบที่จะได้ยินจากคุณเกี่ยวกับวิธีการทำเช่นนั้น


ผมขอแนะนำให้คุณR อนุกรมเวลากวดวิชา มันไม่ได้ให้ความรู้ทางทฤษฎีอย่างลึกซึ้ง แต่มันให้การแนะนำที่ดีกับคุณ ยิ่งไปกว่านั้น googling สำหรับ "r time series" ให้ลิงก์ที่น่าสนใจมากมายแก่คุณ
Jonathan James

คำตอบ:


7

วิธีแบบคลาสสิกที่อธิบายไว้ในกล่องเจนกินส์ & เรนเซลล์ (ฉบับที่ 4, 2008)เกี่ยวข้องกับการดูที่ฟังก์ชั่นความสัมพันธ์ข้ามและฟังก์ชั่นความสัมพันธ์อัตโนมัติต่างๆและทำการตัดสินใจอัตนัยเกี่ยวกับคำสั่งต่างๆ วิธีนี้ใช้ได้ผลกับตัวทำนายเดี่ยว แต่ไม่เหมาะสำหรับตัวทำนายหลายตัว

วิธีการทางเลือกที่อธิบายไว้ในPankratz (1991)เกี่ยวข้องกับการถดถอยถดถอยที่เหมาะสมกับข้อผิดพลาด AR และการกำหนดโครงสร้างความล่าช้าเหตุผลที่เหมาะสมจากค่าสัมประสิทธิ์ติดตั้ง (เช่นกระบวนการค่อนข้างอัตนัย) จากนั้นดัดแปลงทั้งโมเดลด้วยโครงสร้างความล่าช้าและการแยกส่วนที่เหลือ ลำดับของกระบวนการข้อผิดพลาด ARMA ถูกกำหนดจากส่วนที่เหลือเหล่านี้ (โดยใช้ AIC เป็นต้น) จากนั้นโมเดลสุดท้ายจะถูกประเมินอีกครั้ง วิธีนี้ใช้ได้ผลดีกับตัวทำนายหลายตัวและง่ายกว่าการใช้แบบดั้งเดิมมาก

ฉันหวังว่าฉันจะบอกได้ว่ามีกระบวนการอัตโนมัติที่เป็นระเบียบที่ทำเพื่อคุณ แต่ฉันทำไม่ได้ อย่างน้อยยังไม่


คุณกำลังทำงานเกี่ยวกับกระบวนการอัตโนมัติหรือไม่? :)
เชน

: เชน; ทำเสร็จแล้ว!
IrishStat

1

ในขั้นต้นความคิดของการตรวจสอบความสัมพันธ์ข้ามสีขาวก่อนถูกแนะนำโดยกล่องและเจนกินส์ ในปี 1981 Liu และ Hanssens ตีพิมพ์ (L.-M. Liu และ DM Hanssens (1982) "การระบุรูปแบบฟังก์ชั่นการถ่ายโอนหลายอินพุต" การสื่อสารในสถิติ A 11: 297-314) กระดาษที่แนะนำตัวกรองทั่วไป วิธีการที่จะจัดการกับอินพุตหลายชุดได้อย่างมีประสิทธิภาพซึ่งซีรีย์ pre-whiteed จัดแสดงโครงสร้างความสัมพันธ์ข้าม พวกเขายังสร้างชุดข้อมูลอินพุท 2 ชุดเพื่อสาธิตวิธีแก้ปัญหา หลังจากเราตั้งโปรแกรมวิธีการนั้นแล้วเปรียบเทียบกับวิธีทดสอบก่อนฟอกสีฟันของ Box-Jenkins ที่เรานำมาใช้อย่างต่อเนื่องเราตัดสินใจที่จะไม่ใช้วิธี Pankratz หรือวิธี Liu-Hanssens เรายินดีที่จะแบ่งปันการทดสอบ Liu-Hansens ข้อมูลกับคุณหากคุณต้องการให้ฉันโพสต์ไว้ในรายการ

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.