當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文


R StructTS 擬合結構時間序列


R語言 StructTS 位於 stats 包(package)。

說明

通過最大似然擬合時間序列的結構模型。

用法

StructTS(x, type = c("level", "trend", "BSM"), init = NULL,
         fixed = NULL, optim.control = NULL)

參數

x

單變量數值時間序列。允許缺失值。

type

結構模型類。如果省略,則 BSM 用於帶有 frequency(x) > 1 的時間序列,否則使用局部趨勢模型。可以縮寫。

init

方差參數的初始值。

fixed

長度與參數總數相同的可選數值向量。如果提供,則隻有 fixed 中的 NA 條目會發生變化。可能對於將方差設置為零最有用。

optim.control

optim 的控製參數列表。使用方法"L-BFGS-B"

細節

結構時間序列模型是(單變量)時間序列的(線性高斯)狀態空間模型,基於將序列分解為多個分量。它們由一組誤差方差指定,其中一些可能為零。

最簡單的模型是 type = "level" 指定的局部級模型。它有一個底層 ,它的演變是

觀察結果是

有兩個參數, 。它是一個 ARIMA(0,1,1) 模型,但對參數集有限製。

局部線性趨勢模型 type = "trend" 具有相同的測量方程,但在 的動態中具有 time-varying 斜率,由下式給出

具有三個方差參數。找到 (簡化為本地級別模型)或 並不少見,這確保了平滑的趨勢。這是受限 ARIMA(0,2,2) 模型。

基本結構模型 type = "BSM" 是帶有附加季節性成分的局部趨勢模型。因此測量方程為

其中 是具有動態的季節性成分

邊界情況 對應於確定性(但任意)的季節性模式。 (這有時稱為 BSM 的“虛擬變量”版本。)

"StructTS" 及其組件的列表:

coef

組件的估計方差。

loglik

最大對數似然。請注意,由於所有這些模型都是非平穩的,這包括某些觀察的擴散先驗,因此無法與 arima 或不同類型的結構模型進行比較。

loglik0

之前使用的常數的最大對數似然R3.0.0,用於向後兼容。

data

時間序列x

residuals

標準化殘差。

fitted

具有水平、斜率和季節性分量的一個分量的多個時間序列,同時估計(即在時間 ,而不是在該係列的末尾)。

call

匹配的調用。

series

係列的名稱 x

code

optim 返回的 convergence 代碼。

model, model0

表示擬合中使用的卡爾曼濾波器的列表。請參閱KalmanLikemodel0 是濾波器的初始狀態,model 是濾波器的最終狀態。

xtsp

xtsp 屬性。

注意

結構模型的優化比許多參考文獻承認的要困難得多。例如,Brockwell & Davis (1996) 中考慮了 AirPassengers 數據:他們的解決方案似乎是局部最大值,但遠不如 StructTS 產生的擬合效果好。找到一個或多個方差為零的擬合是很常見的,這可以包括

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))

參考

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

KalmanLiketsSmoothstl 用於不同類型的(季節性)分解。

相關用法


注:本文由純淨天空篩選整理自R-devel大神的英文原創作品 Fit Structural Time Series。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。