차이와의 개입

예를 들어 여기에서 논의 된 시계열 데이터 (일명 중단 된 시계열)를 사용하여 개입 분석을 수행 할 때 필요한 요구 사항 중 하나는 개입으로 인한 총 이득 (또는 손실)을 추정하는 것입니다. ).

R 내에서 필터 함수를 사용하여 개입 함수를 추정하는 방법을 완전히 이해하지는 못했지만, 나는 그것이 어떤 상황에서도 작동하기에 충분히 일반적이기를 희망하면서 무차별 한 방법으로 그것을 다루었습니다.

주어진 데이터를 말하자

 cds<- structure(c(2580L, 2263L, 3679L, 3461L, 3645L, 3716L, 3955L, 
    3362L, 2637L, 2524L, 2084L, 2031L, 2256L, 2401L, 3253L, 2881L, 
    2555L, 2585L, 3015L, 2608L, 3676L, 5763L, 4626L, 3848L, 4523L, 
    4186L, 4070L, 4000L, 3498L), .Dim = c(29L, 1L), .Dimnames = list(
        NULL, "CD"), .Tsp = c(2012, 2014.33333333333, 12), class = "ts")

우리는 최적의 모형이 다음과 같이 결정되고 중재 기능은 다음과 같습니다.

$m_t= \frac{\omega_0}{(1-\delta B)}X_t$ 여기서 는 2013 년 10 월의 펄스입니다.$X_t$

fit4 <- arimax(log(cds), order = c(1,1,0),include.mean=FALSE, 
               xtransf = data.frame(Oct13 = 1*(seq_along(cds)==22)),
               transfer = list(c(1,0))
               ,xreg=1*(seq_along(cds)==3))
fit4

#    ARIMA(1,1,0)                    

#    Coefficients:
#              ar1    xreg  Oct13-AR1  Oct13-MA0
#          -0.0184  0.2718     0.4295     0.4392
#    s.e.   0.2124  0.1072     0.3589     0.1485

#    sigma^2 estimated as 0.02176:  log likelihood=13.85
#    AIC=-19.71   AICc=-16.98   BIC=-13.05

두 가지 질문이 있습니다.

1) ARIMA 오류를 차분 된 계열 사용하여 기술적으로 적합한 중재 함수를 평가하려면 또는 의 추정값을 "다시 변경"하기 위해 수행해야 할 작업이 사용에서 에 ?$\bigtriangledown X_t$$\omega_0$$\delta$$\bigtriangledown X_t$$X_t$

2) 이것이 맞습니까? : 개입의 이득을 결정하기 위해 매개 변수로부터 간섭 를 구성했습니다 . 일단 를 가지고 나면 모델 fit4 (exp ()에서 로그를 역으로 바꾸는)에서 exp (적합 된 값 )의 적합 값 을 비교하고 관측 된 기간 동안 개입이 3342.37 개의 추가 단위를 갖는 것으로 결정합니다.$m_t$$m_t$$m_t$

이 과정이 개입 분석으로부터 일반적으로 이득을 결정하기위한 올바른 과정입니까?

    int_vect1<-1*(seq_along(cds)==22)
    wo<- 0.4392
    delta<-0.4295


    mt<-rep(0,length(int_vect1))

    for (i in 1:length(int_vect1))
    {

      if (i>1)
      {
        mt[i]<-wo*int_vect1[i]+delta*mt[i-1]
      }

    }


    mt

sum(exp(fitted(fit4)) - (exp(fitted(fit4) - mt)))

이것이 장난감 예제라고 가정합니다.

첫 번째 질문에 대답하려면 :

1) ARIMA 오차를 차감 한 경우에도 차등 계열을 사용하여 기술적으로 적합한 중재 기능을 평가하려면 ▽ Xt ▽를 사용하여 ω0 또는 δ의 추정값을 "다시 변경"하기 위해해야 ​​할 일이 있습니까? Xt에서 Xt?

데이터를 차별화 할 때는 반응 / 개입 변수를 다르게 해야 합니다. 모델링 후 차이 (변환)를 되 돌리면 차이를 자동으로 처리합니다. ** 사용하면 이것이 매우 쉽다는 것을 알고 있습니다 SAS Proc ARIMA. 나는 이것을하는 방법을 모른다 R.

두 번째 질문 :

2) 이것이 맞습니까? : 중재의 이득을 결정하기 위해 매개 변수로부터 중재 MT를 구성했습니다. 일단 mt를 가지고 나면 모델 fit4 (exp ()에서 로그를 역으로 바꾸는)에서 exp (적합 된 값 빼기 mt)의 적합 값을 비교하고 관찰 된 기간 동안 개입이 3342.37 개의 추가 단위가되는지 결정합니다.

결정, 개입을 얻으려면 지수를 취한 다음 -1을 빼야합니다. 이는 비례 또는 증분 효과를 줄 것입니다. 귀하의 경우에 이것을 설명하려면 아래를 참조하십시오. 첫 달, 그 영향은 최초 판매의 55 %에 달했고 급격히 감소했습니다. 누적 누적 4580 단위의 증분 효과가 있습니다 (2014 년 10 월 13 일부터 2 월 2 일까지. Delurgio P : 518의 예측 원리 및 응용 프로그램 참조 ).

이 방법론이 올바른 경우 누군가 수정하십시오.

펄스 개입 + 붕괴는이 경우에, 나는 그림 (e)에 도시 된 바와 같이 펄스 + 영구적 인 레벨 시프트있는 아래의 고전적인 논문에서이다 할 것이 분명 충분하지 상자와이 Tiao을 .

@forecaster AUTOBOX가 29 개의 값을 사용하여 3 개의 특이 치를 식별하도록 허용 한 후 (y 경험에 부적합하지 않음) 유용한 모델이 발견 되었습니다 . 잔차 acf 그림은 지정되지 않은 모형을 제안하지 않습니다 . 실제 / 적합 / 예측 플롯은 여기에 맞춤 / 예측이 있습니다 . 예측자는 거의 1.0의 분모 계수가 도입 될 때 펄스 변수가 어떻게 레벨 / 단계 변수로 변형 될 수 있는지에 대해 (정확하게) 언급했습니다. 두 가지 레벨 시프트 (2013 년 9 월부터 시작)와 10/2013 펄스를 찾을 때 모델은보다 선명한 그림을 제공합니다. 10/13에서 펄스의 영향 측면에서 이는 단순히 계수의 값입니다. HTH