एआर (1) अनुमानों में आर और ईवीवाई के अंतर

मुख्य समस्या यह है: मैं ईवीवाई और आर के साथ समान पैरामीटर अनुमान प्राप्त नहीं कर सकता।

जिन कारणों से मैं खुद को नहीं जानता हूं, मुझे ईवीवाई का उपयोग करके कुछ डेटा के मापदंडों का अनुमान लगाना होगा। यह एनएलएस (नॉनलाइनियर कम से कम वर्ग) विकल्प चुनकर और निम्न सूत्र का उपयोग करके किया जाता है:indep_var c dep_var ar(1)

EViews दावों कि वे ए आर रैखिक का अनुमान (1) प्रक्रियाओं जैसे: जहां त्रुटियों के रूप में परिभाषित कर रहे हैं: एक बराबर समीकरण का उपयोग करके ( कुछ बीजीय प्रतिस्थापन के साथ):

Y_{टी} = α + β {एक्स}_{टी} + {यू}_{टी}

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

u_{t}

$u_t$

{यू}_{टी} = ρ \cdot {यू}_{टी - 1} + ε

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

इसके अलावा,EViews मंचों पर अधिक इस सूत्रबताते हैं कि उनके NLS अनुमानों मार्क्वार्ट एल्गोरिथ्म द्वारा उत्पन्न होता है।

Y_{टी} = (1 - ρ) α + ρ Y_{टी - 1} + β {एक्स}_{टी} - ρ β {एक्स}_{टी - 1} + ε_{टी}

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

अब, एआर (1) प्रक्रियाओं का अनुमान लगाने के लिए गो-टू आर फ़ंक्शन है arima। हालाँकि, दो समस्याएं हैं:

अनुमान अधिकतम संभावना अनुमान हैं;
अवरोधन का अनुमान वास्तव में अवरोधन का अनुमान नहीं है (आरएच शुमवे और डीएस स्टोफ़र के अनुसार)।

इसलिए, मैं nlsLMminpack.lm पैकेज से फ़ंक्शन में बदल गया । यह फ़ंक्शन गैर-कम से कम वर्गों के अनुमानों को प्राप्त करने के लिए Marquardt एल्गोरिथ्म का उपयोग करता है, जो EVIVs कार्यान्वयन (या बहुत समान वाले, कम से कम) के समान परिणाम प्राप्त करना चाहिए।

अब कोड। मेरे पास एक dataस्वतंत्र चर और एक आश्रित चर के साथ एक डेटा फ्रेम ( ) है जैसे कि निम्नलिखित कोड द्वारा उत्पन्न।

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

समीकरण में मापदंडों का अनुमान लगाने के लिए ईवीवाई अनुमान लगाने का दावा करता है ( इस पद पर 3 ^आरडी ), मैं निम्नलिखित आदेशों का उपयोग करता हूं:

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)
)

दुर्भाग्य से, nlsLMईवीवाई द्वारा आउटपुट आउटपुट के करीब अनुमान नहीं हैं। क्या आपके पास इसका कोई कारण है? या शायद मेरा कोड गलत है?

अंत में, मैं यह कहना चाहूंगा कि मैं व्यक्तिगत रूप से एक आर उपयोगकर्ता हूं - यही कारण है कि मैं ईवीवाई के बजाय आर में ऐसा करने की कोशिश कर रहा हूं। मैं आपको वह डेटा प्रदान करना पसंद करूंगा, जिसके साथ मैं काम कर रहा हूं, लेकिन यह असंभव है क्योंकि यह गोपनीय डेटा है।

r autoregressive software

— Fael
स्रोत

साइट में आपका स्वागत है, @ फेल। एक स्पष्ट प्रश्न के लिए +1। मैंने इसे साफ करने के लिए प्रारूपण को थोड़ा मोड़ने की स्वतंत्रता ली। कृपया सुनिश्चित करें कि यह अभी भी वही कहता है जो आप चाहते हैं।

— गंग -

वाह, यह वास्तव में आप के लिए अच्छा था। बहुत बहुत धन्यवाद, @ गुंग!

— Fael

आप हमेशा डेटा को स्केल / कोड करते हैं और पोस्ट करते हैं। रूप का रूपांतरण [(y-constant1) / constant2] चाल चलेगा।

— आयरिशस्टैट

BTW: रैखिक प्रक्रियाओं के पैरामीटर का अनुमान OLS के माध्यम से लगाया जा सकता है।

— जर्मनियावेर्क

$\rho, \beta, \alpha$ $X_{t-1}$

— JDav
स्रोत