การประมาณพารามิเตอร์ของโมเดลเชิงเส้นแบบไดนามิก


11

ฉันต้องการที่จะใช้ (ใน R) แบบจำลองเชิงเส้นตรงแบบง่าย ๆ ดังต่อไปนี้ซึ่งฉันมี 2 ตัวแปรที่ไม่รู้จักเวลา (ความแปรปรวนของข้อผิดพลาดการสังเกตและความแปรปรวนของข้อผิดพลาดของรัฐϵ 2 t )ϵt1ϵt2

Yt=θt+ϵt1θt+1=θt+ϵt2

ฉันต้องการที่จะประมาณค่าพารามิเตอร์เหล่านี้ที่จุดในแต่ละครั้ง, โดยไม่ต้องมีอคติมองไปข้างหน้า จากสิ่งที่ฉันเข้าใจฉันสามารถใช้ MCMC (บนหน้าต่างกลิ้งเพื่อหลีกเลี่ยงอคติข้างหน้า) หรือตัวกรองอนุภาค (หรือ Sequential Monte Carlo - SMC)

วิธีการที่คุณจะใช้และ
อะไรคือข้อดีและข้อเสียของทั้งสองวิธี?

คำถามโบนัส: ในวิธีการเหล่านี้คุณจะเลือกความเร็วของการเปลี่ยนแปลงพารามิเตอร์ได้อย่างไร ฉันเดาว่าเราต้องป้อนข้อมูลที่นี่เพราะมีการต่อรองระหว่างการใช้ข้อมูลจำนวนมากเพื่อประเมินพารามิเตอร์และใช้ข้อมูลน้อยลงเพื่อตอบสนองต่อการเปลี่ยนแปลงของพารามิเตอร์ได้เร็วขึ้นหรือไม่


คำถามของฉันเป็นบิตคล้ายกับ stats.stackexchange.com/questions/2149/... ฉันเปิดคำถามอีกครั้งโดยมีวัตถุประสงค์เนื่องจากสถานการณ์แตกต่างกันเล็กน้อยและฉันต้องการความคิดเห็นที่แตกต่างกัน (คำตอบโดย gd047 ส่วนใหญ่มุ่งเน้นไปที่ตัวกรองคาลมาน (UKF) ส่วนใหญ่)
RockScience

แปลกที่ค่าหัวของฉันไม่ได้ช่วย ... คำถามของฉันมีสูตรไม่ดี .... ไม่มีใครมีคำตอบไหม? หรือคำถามเกี่ยวกับคำถามของฉัน?
RockScience

วิธีที่ถูกวางดูเหมือนว่าเป็นปัญหาที่เลวร้ายลง - ข้อผิดพลาดอาจเกิดจากเสียงการสังเกตหรือเสียงกระบวนการ มีข้อ จำกัด มากกว่านี้ไหม? รัฐหนึ่งมิติหรือไม่
IanS

@lanS วัตถุทั้งหมดมีที่นี่เพียงหนึ่งมิติเท่านั้น คุณสามารถพัฒนาเพิ่มอีกนิดเกี่ยวกับความจริงที่ว่าข้อผิดพลาดที่สามารถเป็นได้ทั้งการสังเกตหรือเสียงรบกวน มันเป็นสิ่งที่ฉันต้องการจะบรรลุ ฉันต้องการที่จะได้รับการประมาณค่ากลิ้งของอัตราส่วนสัญญาณต่อเสียงโดยการประมาณค่า sd ของเสียงที่แตกต่างกัน 2 ครั้ง ....
RockScience

บางทีฉันควรเริ่มต้นด้วยการแก้ไข sd ของสัญญาณรบกวนกระบวนการเพื่อเริ่มต้นและดูว่าเสียงการสังเกตตอบสนองอย่างไร
RockScience

คำตอบ:


4

หากคุณมีพารามิเตอร์ที่แตกต่างกันไปตามเวลาและต้องการทำสิ่งต่าง ๆ ตามลำดับ (การกรอง) SMC ก็เหมาะสมที่สุด MCMC จะดีกว่าเมื่อคุณต้องการกำหนดเงื่อนไขกับข้อมูลทั้งหมดหรือคุณมีพารามิเตอร์สแตติกที่ไม่รู้จักที่คุณต้องการประเมิน ตัวกรองอนุภาคมีปัญหากับพารามิเตอร์คงที่ (ความเสื่อม)


1
ขอบคุณสำหรับคำตอบ. ฉันจะเรียนรู้วิธีการทำ SMC และแพคเกจ R ที่คุณต้องการแนะนำได้ที่ไหน?
RockScience

4

มีลักษณะที่เป็นDLMแพคเกจและบทความ ฉันคิดว่าคุณอาจพบสิ่งที่คุณกำลังมองหาจากบทความสั้น ผู้เขียนแพคเกจยังได้เขียนหนังสือแบบไดนามิกแนวตรงรุ่นกับ R


@ Matti Pastell: ฉันมีหนังสือเล่มนี้ มันดีมากจริงๆ คำถามของฉันเกี่ยวกับความแตกต่างระหว่างตัวกรองฝุ่นละออง (ซึ่งจากสิ่งที่ฉันเข้าใจคือรุ่นต่อเนื่องของ MCMC) และ MCMC ในหน้าต่างกลิ้ง ควรเลือกวิธีใดและทำไม
RockScience

นอกจากนี้ฉันไม่ได้สร้างโมเดลที่แตกต่างกันด้วย dlm ในเวลานี้ จริง ๆ แล้วแพ็คเกจนี้ใช้งานง่ายมากสำหรับรุ่นที่ไม่ใช่เวลา แต่มันก็เริ่มมีความยุ่งยากมากขึ้นสำหรับทุกสิ่ง แก้ไข: ยิ่งยุ่งยากมากขึ้นฉันหมายความว่าไม่มีฟังก์ชั่นในการแก้ปัญหา คุณต้องเขียนโค้ดสคริปต์ด้วยตัวเอง
RockScience

1
ตกลงฉันยังมีหนังสือ แต่ฉันยังไม่มีเวลาอ่านเลย ขออภัยที่มันไม่ช่วยปัญหาของคุณ
Matti Pastell

1
ขอบคุณต่อไปมันเป็นหนังสือที่ดีสมควรได้รับการอ้างถึงที่นี่
RockScience

3

RT(1000×(50-1)×10)÷60÷24

เป็นเวลาหลายปีแล้วที่คุณถามคำถามดังนั้นฉันอยากรู้ว่าคุณมีคำตอบหรือไม่

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