আর (1) অনুমানের মধ্যে আর এবং দৃশ্যের পার্থক্য

মূল সমস্যাটি হ'ল: আমি ইভিউ এবং আর এর সাথে একই পরামিতি অনুমান করতে পারি না

যে কারণে আমি নিজেকে জানি না, ইভিউগুলি ব্যবহার করে নির্দিষ্ট ডেটার জন্য আমার পরামিতিগুলি অনুমান করা দরকার। এটি এনএলএস (ননলাইনারের সর্বনিম্ন স্কোয়ারগুলি) বিকল্পটি বাছাই করে এবং নিম্নলিখিত সূত্রটি ব্যবহার করে করা হয়েছে:indep_var c dep_var ar(1)

ভিউগুলি দাবি করেছে যে তারা লিনিয়ার এআর (1) প্রক্রিয়াগুলি যেমন: যেখানে ত্রুটিগুলি সংজ্ঞায়িত করা হয়: সমতুল্য ব্যবহার করে করে সমীকরণ (কিছু বীজগাণিতিক বদল সহ): অধিকন্তু, এই থ্রেড উপর ইভিউজ ফোরামে পরামর্শ দেওয়া হয় যে তাদের এনএলএসের অনুমানগুলি মার্কোয়ার্ড অ্যালগরিদম দ্বারা উত্পাদিত হয়েছে।

Y_{t} = α + β X_{t} + u_{t}

$Y_t = \alpha + \beta X_t + u_t$

u_{t}

$u_t$

u_{t} = ρ \cdot u_{t - 1} + ε

$u_t = \rho \cdot u_{t-1} + \varepsilon$

Y_{t} = (1 - ρ) α + ρ Y_{t - 1} + β X_{t} - ρ β X_{t - 1} + ε_{t}

$Y_t = (1 - \rho) \alpha + \rho Y_{t - 1} + \beta X_t - \rho \beta X_{t - 1} + \varepsilon_t$

এখন, এআর (1) প্রক্রিয়াগুলি অনুমান করার জন্য গ-টু আর ফাংশন arima। তবে দুটি সমস্যা আছে:

অনুমানগুলি সর্বাধিক সম্ভাবনার অনুমান;
ইন্টারসেপ্ট অনুমানটি আসলে ইন্টারসেপ্ট অনুমান নয় (আর এইচ শামওয়ে এবং ডিএস স্টোফারের মতে)।

অতএব, আমি nlsLMminpack.lm প্যাকেজ থেকে ফাংশনটির দিকে রইলাম। এই ফাংশনটি অরৈখিক ন্যূনতম স্কোয়ারের অনুমানগুলি অর্জন করার জন্য মারকার্ড্ট অ্যালগরিদম ব্যবহার করে, যা ভিউভিউ বাস্তবায়নের (বা কমপক্ষে খুব অনুরূপ,) একই ফলাফল পাওয়া উচিত।

এখন কোড। আমার কাছে একটি dataস্বাধীন ভেরিয়েবল এবং একটি নির্ভরশীল ভেরিয়েবল সহ একটি ডেটা ফ্রেম ( ) রয়েছে যেমন নীচের কোডটি উত্পন্ন করে:

data <- data.frame(independent = abs(rnorm(48)), dependent = abs(rnorm(48)))

সমীকরণের প্যারামিতিগুলি অনুমান করার জন্য ইভিউজগুলি অনুমান করার দাবি করেছে ( এই পোস্টের 3 ^তম একটি), আমি নিম্নলিখিত আদেশগুলি ব্যবহার করি:

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)
)

দুর্ভাগ্যক্রমে, অনুমানের আউটপুট nlsLMইভিউগুলির দ্বারা আউটপুটটির নিকটে নয়। এটি কী কারণ হতে পারে সে সম্পর্কে আপনার কোনও ধারণা আছে? নাকি আমার কোডটি ভুল?

অবশেষে, আমি বলতে চাই যে আমি ব্যক্তিগতভাবে একজন আর ব্যবহারকারী - সে কারণেই আমি ইভিউগুলির পরিবর্তে আর-তে এটি করার চেষ্টা করছি trying আমি আপনাকে যে ডেটা দিয়ে কাজ করছি তা সরবরাহ করতে চাই তবে এটি গোপনীয় তথ্য হওয়ায় এটি অসম্ভব।

r autoregressive software

— Fael
সূত্র

ফেইল, সাইটে আপনাকে স্বাগতম। একটি পরিষ্কার প্রশ্নের জন্য +1। আমি ফর্ম্যাটটিকে পরিষ্কার করার জন্য সামান্য টুইট করার স্বাধীনতা নিয়েছি। দয়া করে নিশ্চিত হন যে এটি এখনও যা চায় তা বলে।

— গুং - মনিকা পুনরায়

বাহ, এটা সত্যিই আপনি সুন্দর ছিল। অনেক ধন্যবাদ, @ গুং!

— ফেইল

আপনি ক্যাম সবসময় ডেটা স্কেল / কোড করে পোস্ট করেন। [[y- ধ্রুব 1) / ধ্রুবক 2] রূপটির রূপান্তরটি কৌশলটি সম্পাদন করবে।

— আইরিশস্ট্যাট

বিটিডাব্লু: ওএলএসের মাধ্যমে লিনিয়ার প্রক্রিয়াগুলির পরামিতিগুলি অনুমান করা যায়।

— জার্মানিয়ার্কস

আপনার এনএলএলএসের চারটি অর্টোগোোনালিটি শর্ত রয়েছে, প্রতি পরিবর্তনশীল প্লাস তিনটি প্যারামিটার ( ) সমাধানের জন্য ধ্রুবক (স্ট্যান্ডার্ড ওএলএসে সাধারণ সমীকরণের অ্যানালগ) plus অ-লিনিয়ার অ্যালগরিদমে প্রায়শই সফ্টওয়্যার জুড়ে সহনশীলতার পরামিতিগুলির জন্য ভিন্ন ভিন্ন কনফিগারেশন থাকে। আমি আপনাকে পরামর্শ দিচ্ছি যে আপনি সঠিকভাবে চিহ্নিত সিস্টেমটি পেতে আপনার সমীকরণ থেকে drop বাদ দিন এবং তারপরে আর এর বিপরীতে ভিউগুলি পরীক্ষা করুন? যদি উভয়ই একমত হয় তবে সম্ভবত এটির অর্থ হ'ল তাদের মধ্যে একটিরও অতিরিক্ত পরিচয় নিয়ে সমস্যা রয়েছে। $\rho, \beta, \alpha$ $X_{t-1}$

— JDav
সূত্র