StructTS
位于 stats
包(package)。 说明
通过最大似然拟合时间序列的结构模型。
用法
StructTS(x, type = c("level", "trend", "BSM"), init = NULL,
fixed = NULL, optim.control = NULL)
参数
x |
单变量数值时间序列。允许缺失值。 |
type |
结构模型类。如果省略,则 BSM 用于带有 |
init |
方差参数的初始值。 |
fixed |
长度与参数总数相同的可选数值向量。如果提供,则只有 |
optim.control |
|
细节
结构时间序列模型是(单变量)时间序列的(线性高斯)状态空间模型,基于将序列分解为多个分量。它们由一组误差方差指定,其中一些可能为零。
最简单的模型是 type = "level"
指定的局部级模型。它有一个底层 ,它的演变是
观察结果是
有两个参数, 和 。它是一个 ARIMA(0,1,1) 模型,但对参数集有限制。
局部线性趋势模型 type = "trend"
具有相同的测量方程,但在 的动态中具有 time-varying 斜率,由下式给出
具有三个方差参数。找到 (简化为本地级别模型)或 并不少见,这确保了平滑的趋势。这是受限 ARIMA(0,2,2) 模型。
基本结构模型 type = "BSM"
是带有附加季节性成分的局部趋势模型。因此测量方程为
其中 是具有动态的季节性成分
边界情况 对应于确定性(但任意)的季节性模式。 (这有时称为 BSM 的“虚拟变量”版本。)
值
类 "StructTS"
及其组件的列表:
coef |
组件的估计方差。 |
loglik |
最大对数似然。请注意,由于所有这些模型都是非平稳的,这包括某些观察的扩散先验,因此无法与 |
loglik0 |
之前使用的常数的最大对数似然R3.0.0,用于向后兼容。 |
data |
时间序列 |
residuals |
标准化残差。 |
fitted |
具有水平、斜率和季节性分量的一个分量的多个时间序列,同时估计(即在时间 ,而不是在该系列的末尾)。 |
call |
匹配的调用。 |
series |
系列的名称 |
code |
|
model, model0 |
表示拟合中使用的卡尔曼滤波器的列表。请参阅 |
xtsp |
|
注意
结构模型的优化比许多参考文献承认的要困难得多。例如,Brockwell & Davis (1996) 中考虑了 AirPassengers
数据:他们的解决方案似乎是局部最大值,但远不如 StructTS
产生的拟合效果好。找到一个或多个方差为零的拟合是很常见的,这可以包括 。
例子
## see also JohnsonJohnson, Nile and AirPassengers
require(graphics)
trees <- window(treering, start = 0)
(fit <- StructTS(trees, type = "level"))
plot(trees)
lines(fitted(fit), col = "green")
tsdiag(fit)
(fit <- StructTS(log10(UKgas), type = "BSM"))
par(mfrow = c(4, 1)) # to give appropriate aspect ratio for next plot.
plot(log10(UKgas))
plot(cbind(fitted(fit), resids=resid(fit)), main = "UK gas consumption")
## keep some parameters fixed; trace optimizer:
StructTS(log10(UKgas), type = "BSM", fixed = c(0.1,0.001,NA,NA),
optim.control = list(trace = TRUE))
参考
Brockwell, P. J. & Davis, R. A. (1996). Introduction to Time Series and Forecasting. Springer, New York. Sections 8.2 and 8.5.
Durbin, J. and Koopman, S. J. (2001) Time Series Analysis by State Space Methods. Oxford University Press.
Harvey, A. C. (1989) Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press.
Harvey, A. C. (1993) Time Series Models. 2nd Edition, Harvester Wheatsheaf.
也可以看看
KalmanLike
,tsSmooth
; stl
用于不同类型的(季节性)分解。
相关用法
- R SSD 多元模型中的 SSD 矩阵和估计方差矩阵
- R SSbiexp 自启动 NLS 双指数模型
- R Smirnov 斯米尔诺夫统计量的分布
- R SSmicmen 自启动 NLS Michaelis-Menten 模型
- R SignRank Wilcoxon 有符号秩统计量的分布
- R SSasymp 自启动 NLS 渐近回归模型
- R SSweibull 自启动 NLS 威布尔增长曲线模型
- R SSlogis 自启动 NLS 逻辑模型
- R SSgompertz 自启动 NLS Gompertz 增长模型
- R SSfol 自启动 NLS 一阶室模型
- R SSfpl 自启动NLS四参数Logistic模型
- R SSasympOrig 通过原点的自启动 NLS 渐近回归模型
- R SSasympOff 带偏移量的自启动 Nls 渐近回归模型
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
- R deriv 简单表达式的符号和算法导数
- R kruskal.test Kruskal-Wallis 秩和检验
- R quade.test 四方测试
- R decompose 移动平均线的经典季节性分解
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Fit Structural Time Series。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。