LOESS ที่ช่วยให้ไม่ต่อเนื่อง

• มีเทคนิคการสร้างแบบจำลองเช่นLOESSที่อนุญาตให้มีศูนย์ไม่ต่อเนื่องหนึ่งหรือมากกว่านั้นซึ่งเวลาที่ไม่ต่อเนื่องไม่เป็นที่รู้จัก apriori?
• หากเทคนิคมีอยู่จะมีการนำไปใช้ใน R หรือไม่?

ดูเหมือนว่าคุณต้องการทำการตรวจจับการเปลี่ยนแปลงหลายจุดตามด้วยการปรับให้เป็นอิสระในแต่ละส่วน (การตรวจจับสามารถออนไลน์ได้หรือไม่ แต่ใบสมัครของคุณไม่น่าจะออนไลน์) มีวรรณกรรมมากมายเกี่ยวกับเรื่องนี้ การค้นหาทางอินเทอร์เน็ตมีผลสำเร็จ

• DA Stephens เขียนคำแนะนำที่เป็นประโยชน์เกี่ยวกับการตรวจหาการเปลี่ยนแปลงของ Bayesian ในปี 1994 (แอปสถิติ 43 # 1 หน้า 159-178: JSTOR )
• เมื่อไม่นานมานี้ Paul Fearnhead ทำงานได้ดี (เช่นการอนุมานแบบเบย์ที่ถูกต้องและมีประสิทธิภาพสำหรับปัญหาการเปลี่ยนแปลงหลายอย่าง Stat Comput (2006) 16: 203-213: PDF ฟรี )
• อัลกอริทึมแบบเรียกซ้ำอยู่บนพื้นฐานของการวิเคราะห์ที่สวยงามโดย D Barry & JA Hartigan
  • รูปแบบพาร์ติชันผลิตภัณฑ์สำหรับโมเดลจุดเปลี่ยนแอน สถิติ 20: 260-279: JSTOR ;
  • การวิเคราะห์แบบเบส์สำหรับการเปลี่ยนแปลงปัญหาจุด JASA 88: 309-319: JSTOR
• การดำเนินการหนึ่งของอัลกอริทึม Barry & Hartigan มีการบันทึกไว้ใน O. Seidou & TBMJ Ourda, การตรวจจับ Changepoint หลายครั้งแบบเรียกซ้ำในการถดถอยเชิงเส้นหลายตัวแปรและการประยุกต์ใช้กับการไหลของแม่น้ำ, การต้านทานน้ำ Res, 2006:. PDF ฟรี

ฉันไม่ได้ดูยากสำหรับการใช้งาน R ใด ๆ (ฉันได้เขียนรหัสหนึ่งใน Mathematica เมื่อไม่นานมานี้) แต่จะขอบคุณอ้างอิงถ้าคุณพบมัน

ทำมันด้วยการถดถอยเชิงเส้นของ koencker ดูหน้า 18 ของบทความนี้

http://cran.r-project.org/web/packages/quantreg/vignettes/rq.pdf

ในการตอบสนองต่อ Whuber ความคิดเห็นล่าสุด:

ตัวประมาณนี้ถูกกำหนดเช่นนี้

, x ( i ) ≥ x ( i - 1 $x\in\mathbb{R}$ ,$x_{(i)}\geq x_{(i-1)}\;\forall i$

,$e_i:=y_{i}-\beta_{i}x_{(i)}-\beta_0$

, z - = max ( - z , 0 ) ,$z^+=\max(z,0)$$z^-=\max(-z,0)$

, λ ≥ $\tau \in (0,1)$$\lambda\geq 0$

$\underset{\beta\in\mathbb{R}^n|\tau, \lambda}{\min.} \sum_{i=1}^{n} \tau e_i^++\sum_{i=1}^{n}(1-\tau)e_i^-+\lambda\sum_{i=2}^{n}|\beta_{i}-\beta_{i-1}|$

$\tau$$\tau=0.9$$\lambda$$\lambda$

Quantile Smoothing Splines Roger Koenker, Pin Ng, Stephen Portnoy Biometrika, Vol. 81, ฉบับที่ 4 (ธ.ค. , 1994), หน้า 673-680

PS: มีกระดาษทำงาน acess เปิดที่มีชื่อเดียวกันโดยคนอื่น ๆ ที่เหมือนกัน แต่มันก็ไม่เหมือนกัน

Here are some methods and associated R packages to solve this problem

Wavelet thresolding estimation in regression allows for discontonuities. You may use the package wavethresh in R.

A lot of tree based methods (not far from the idea of wavelet) are usefull when you have disconitnuities. Hence package treethresh, package tree !

In the familly of "local maximum likelihood" methods... among others: Work of Pozhel and Spokoiny: Adaptive weights Smoothing (package aws) Work by Catherine Loader: package locfit

I guess any kernel smoother with locally varying bandwidth makes the point but I don't know R package for that.

หมายเหตุ: ฉันไม่ได้รับความแตกต่างระหว่าง LOESS และการถดถอย ... จริง ๆ หรือไม่ความคิดที่ว่าในอัลกอริทึม LOESS ควรเป็น "ออนไลน์" หรือไม่

It should be possible to code a solution in R using the non-linear regression function nls, b splines (the bs function in the spline package, for example) and the ifelse function.