समय श्रृंखला प्रतिगमन पूर्वानुमान मॉडल में स्थानांतरण कार्यों की पहचान कैसे करें?

Question

मैं अन्य भविष्यवक्ताओं / इनपुट चरों और स्वतःसंबंधित त्रुटियों के संदर्भ में, एक परिणाम चर के लिए समय श्रृंखला प्रतिगमन पूर्वानुमान मॉडल बनाने की कोशिश कर रहा हूं। इस तरह के मॉडल को डायनेमिक रिग्रेशन मॉडल भी कहा जाता है। मुझे यह जानने की आवश्यकता है कि प्रत्येक भविष्यवक्ता के लिए स्थानांतरण कार्यों की पहचान कैसे करें और ऐसा करने के तरीकों के बारे में आपसे सुनना पसंद करेंगे।

Comments

मुझे आपको R समय श्रृंखला ट्यूटोरियल का सुझाव दें । यह गहरा सैद्धांतिक ज्ञान प्रदान नहीं करता है, लेकिन यह आपको एक अच्छा परिचय देता है। इसके अलावा, "आर टाइम सीरीज़" के लिए गुगली करना आपको बहुत दिलचस्प लिंक देता है

— जोनाथन जेम्स

Answer 1

बॉक्स, जेनकिंस एंड रीनसेल (4 थ एड, 2008) में वर्णित क्लासिक दृष्टिकोण में क्रॉस-सहसंबंध समारोह और विभिन्न ऑटो-सहसंबंध कार्यों को देखना शामिल है, और विभिन्न शर्तों के लिए आदेश और अंतराल के बारे में बहुत सारे व्यक्तिपरक निर्णय करना शामिल है। दृष्टिकोण एक एकल भविष्यवक्ता के लिए ठीक काम करता है, लेकिन वास्तव में कई भविष्यवाणियों के लिए उपयुक्त नहीं है।

पंकरात्ज़ (1991) में वर्णित एक वैकल्पिक दृष्टिकोण में एआर त्रुटियों के साथ ढहने वाले रजिस्टरों को फिट करना और फिट किए गए गुणांक (एक अपेक्षाकृत व्यक्तिपरक प्रक्रिया) से उपयुक्त तर्कसंगत अंतराल संरचना का निर्धारण करना शामिल है। फिर माना हुआ अंतराल संरचनाओं के साथ पूरे मॉडल को परिष्कृत करना और अवशिष्टों को निकालना। ARMA त्रुटि प्रक्रिया का क्रम इन अवशिष्टों (उदाहरण के लिए AIC का उपयोग करके) से निर्धारित किया जाता है। फिर अंतिम मॉडल का फिर से अनुमान लगाया जाता है। यह दृष्टिकोण कई भविष्यवाणियों के लिए अच्छी तरह से काम करता है, और क्लासिक दृष्टिकोण की तुलना में लागू करने के लिए काफी सरल है।

काश, मैं कह सकता कि यह साफ-सुथरी स्वचालित प्रक्रिया थी जो यह सब आपके लिए करती, लेकिन मैं नहीं कर सकता। कम से कम अब तक नहीं।

Comments

क्या आप स्वचालित प्रक्रिया पर काम कर रहे हैं? :)

— शेन

: शेन; किया हुआ !

— आयरिशस्टैट

Answer 2

मूल रूप से पूर्व-सफेद क्रॉस-सहसंबंधों की जांच करने का विचार बॉक्स और जेनकिंस द्वारा सुझाया गया था। 1981 में, लियू और हैन्सेंस ने प्रकाशित किया (L.-M। लियू और डीएम हैन्सेंस (1982)। "मल्टीपल-इनपुट ट्रांसफर फंक्शन मॉडल्स की पहचान।" सांख्यिकी A 11: 297-314 में एक पेपर।) एक आम फिल्टर का सुझाव देने वाला एक पेपर। दृष्टिकोण जो प्रभावी रूप से कई आदानों से निपटेंगे जिनकी पूर्व-श्वेत श्रृंखला क्रॉस-सहसंबंधी संरचना का प्रदर्शन करती है। उन्होंने अपने समाधान को प्रदर्शित करने के लिए 2 इनपुट मॉडल डेटा सेट भी बनाया। उसके बाद हमने उस दृष्टिकोण को प्रोग्राम किया और फिर इसकी तुलना बॉक्स-जेनकिंस प्री-व्हाइटनिंग दृष्टिकोण से की, जो हमारे द्वारा लागू किया गया था, हमने पैंक्रैटज़ दृष्टिकोण या लियू-हैन्सेंस दृष्टिकोण का उपयोग नहीं करने का फैसला किया था। हमें लियू-हैन्सेंस परीक्षण साझा करने में खुशी होगी आप के साथ डेटा अगर आप चाहते हैं कि मैं इसे सूची में पोस्ट कर दूं।