ปัญหาหลักคือ: ฉันไม่สามารถรับค่าประมาณพารามิเตอร์ที่คล้ายกันกับ EViews และ R
ด้วยเหตุผลที่ฉันไม่รู้จักตัวเองฉันจำเป็นต้องประเมินพารามิเตอร์สำหรับข้อมูลบางอย่างโดยใช้ตัวแสดงตัวอย่าง สิ่งนี้ทำได้โดยการเลือกตัวเลือก NLS (ไม่เชิงเส้นกำลังสองน้อยที่สุด) และใช้สูตรต่อไปนี้:indep_var c dep_var ar(1)
EViews อ้างว่าพวกเขาประมาณกระบวนการเชิงเส้น AR (1) เช่น: โดยที่ข้อผิดพลาดถูกนิยามเป็น: โดยใช้สิ่งที่เทียบเท่า สมการ (ด้วยการแทนที่พีชคณิตบางส่วน): นอกจากนี้เธรดนี้ ที่ฟอรัม EViewsแนะนำว่าการประมาณค่า NLS ของพวกเขาถูกสร้างขึ้นโดยอัลกอริทึม Marquardtยูทียูที = ρ ⋅ ยูที- 1 + ε Y T = ( 1 - ρ ) α + ρ Y T - 1 + β เอ็กซ์ที - ρ β เอ็กซ์ที- 1 + ε t
ตอนนี้ไปถึงฟังก์ชั่น R เพื่อประเมิน AR (1) arima
กระบวนการเป็น อย่างไรก็ตามมีสองปัญหา:
- การประมาณการนั้นเป็นการประมาณความเป็นไปได้สูงสุด
- การประมาณค่าดักจับไม่ใช่การประมาณค่าดักจับ (ตาม RH Shumway & DS Stoffer)
ดังนั้นฉันหันไปใช้nlsLM
ฟังก์ชั่นจากแพคเกจ minpack.lm ฟังก์ชันนี้ใช้อัลกอริทึม Marquardt เพื่อให้ได้ค่าประมาณกำลังสองน้อยที่สุดแบบไม่เชิงเส้นซึ่งควรให้ผลลัพธ์เช่นเดียวกับการใช้ EViews (หรืออย่างน้อยที่คล้ายกันมาก)
ตอนนี้รหัส ฉันมี data frame ( data
) พร้อมกับตัวแปรอิสระและตัวแปรตามเช่นตัวที่สร้างโดยรหัสต่อไปนี้:
data <- data.frame(independent = abs(rnorm(48)), dependent = abs(rnorm(48)))
การประมาณค่าพารามิเตอร์ในการเรียกร้องสม EViews เพื่อประเมิน (3 ถหนึ่งในโพสต์นี้) ผมใช้คำสั่งต่อไปนี้:
library(minpack.lm)
result <-
nlsLM(dependentB ~ ((1 - theta1) * theta2) + (theta1 * dependentA) +
(theta3 * independentB) - (theta1 * theta3 * independentA),
data = list(dependentB = data$dependent[2:48], dependentA = data$dependent[1:47],
independentB = data$independent[2:48], independentA = data$independent[1:47]),
start = list(theta1 = -10, theta2 = -10, theta3 = -10)
)
น่าเสียดายที่ผลลัพธ์การประมาณการโดยnlsLM
ไม่ใกล้เคียงกับผลลัพธ์ที่ออกโดย EViews คุณมีความคิดเกี่ยวกับสิ่งที่อาจก่อให้เกิดสิ่งนี้หรือไม่? หรือรหัสของฉันผิด
ในที่สุดฉันอยากจะบอกว่าฉันเป็นผู้ใช้ส่วนตัว - นั่นคือเหตุผลที่ฉันพยายามทำสิ่งนี้ใน R แทนที่จะเป็น EViews ฉันชอบที่จะให้ข้อมูลที่ฉันทำงานด้วย แต่เป็นไปไม่ได้เนื่องจากเป็นข้อมูลที่เป็นความลับ