สถานการณ์
ฉันมีชุดข้อมูลที่มีขึ้นหนึ่งและเป็นหนึ่งในตัวแปรอิสระxฉันต้องการที่จะพอดีกับค่อย่างต่อเนื่องถดถอยเชิงเส้นกับที่รู้จักกัน / จุดพักคงเกิดขึ้นใน{k}) เบรกพอยต์เป็นที่รู้จักโดยไม่มีความแน่นอนดังนั้นฉันไม่ต้องการที่จะประเมินพวกมัน จากนั้นฉันก็พอดีกับการถดถอย (OLS) ของรูปแบบ y_ {i} = \ beta_ {0} + \ beta_ {1} x_ {i} + \ beta_ {2} \ operatorname {max} (x_ {i} -a_ { 1}, 0) + \ beta_ {3} \ operatorname {max} (x_ {i} -a_ {2}, 0) + \ ldots + \ beta_ {k + 1} \ operatorname {max} (x_ {i} - a_ {k}, 0) + \ epsilon_ {i} นี่คือตัวอย่าง
R
set.seed(123)
x <- c(1:10, 13:22)
y <- numeric(20)
y[1:10] <- 20:11 + rnorm(10, 0, 1.5)
y[11:20] <- seq(11, 15, len=10) + rnorm(10, 0, 2)
สมมติว่าเบรกพอยต์เกิดขึ้นที่ :
mod <- lm(y~x+I(pmax(x-9.6, 0)))
summary(mod)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 21.7057 1.1726 18.511 1.06e-12 ***
x -1.1003 0.1788 -6.155 1.06e-05 ***
I(pmax(x - 9.6, 0)) 1.3760 0.2688 5.120 8.54e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
การสกัดกั้นและความชันของทั้งสองเซ็กเมนต์คือ:และสำหรับอันแรกและและสำหรับวินาทีตามลำดับ
คำถาม
- จะคำนวณการสกัดกั้นและความชันของแต่ละส่วนได้อย่างไร สามารถจำลองแบบจำลองซ้ำเพื่อทำสิ่งนี้ในการคำนวณครั้งเดียวได้หรือไม่?
- วิธีการคำนวณข้อผิดพลาดมาตรฐานของแต่ละความชันของแต่ละเซกเมนต์?
- วิธีทดสอบว่าสองเนินที่อยู่ติดกันมีความลาดชันเท่ากันหรือไม่
x
และI(pmax(x-9.6,0))
นั่นถูกต้องหรือไม่