동적 선형 모형의 모수 추정


11

2 개의 알려지지 않은 시변 파라미터 (관찰 오차 및 상태 오차 의 분산 )가있는 다음과 같은 매우 간단한 동적 선형 모델을 구현하고 싶습니다 (R ). ϵ 2 ϵt1ϵt2

Yt=θt+ϵt1θt+1=θt+ϵt2

사전 편향없이 각 시점에서 이러한 매개 변수를 추정하고 싶습니다 . 내가 이해 한 바에 따르면 MCMC (롤링 윈도우에서 미리보기 바이어스를 피하기 위해) 또는 입자 필터 (또는 순차 Monte Carlo-SMC)를 사용할 수 있습니다.

어떤 방법을 사용할 것 , 그리고
이 두 가지 방법의 장점과 단점은 무엇입니까?

보너스 질문 :이 방법에서는 매개 변수의 변경 속도를 어떻게 선택합니까? 매개 변수를 추정하기 위해 많은 데이터를 사용하고 매개 변수의 변화에 ​​더 빨리 반응하기 위해 더 적은 데이터를 사용하는 것 사이에 거래가 있기 때문에 여기에 정보를 입력해야한다고 생각합니다.


내 질문은 stats.stackexchange.com/questions/2149/… 와 약간 비슷합니다 . 상황이 조금 다르고 다른 의견을 원하기 때문에 의도적으로 질문을 다시 열었습니다. (gd047의 답변은 주로 무향 칼만 필터 (UKF)에 중점을 두었습니다)
RockScience

내 현상금이 도움이되지 않는다는 것이 이상합니다 ... 내 질문이 잘못 정식화되어 있습니까?. 아무도 답이 없습니다. 아니면 내 질문에 대한 질문?
RockScience

그것이 제기 된 방식으로, 이것은 퇴화적인 문제인 것 같습니다. 오류는 관찰 소음이나 공정 소음에 의해 똑같이 기인 할 수 있습니다. 더 많은 제약이 있습니까? 상태는 1 차원입니까?
IanS

@lanS. 모든 개체는 실제로 하나의 차원 만 있습니다. 관찰 또는 노이즈 일 수있는 오류에 대해 조금 더 발전시킬 수 있습니까? 정확히 내가 달성하고 싶은 것입니다. 나는 2 개의 시변 잡음의 sd를 추정함으로써 신호대 잡음비의 롤링 추정을 얻고 싶다 ....
RockScience

어쩌면 시작을 위해 프로세스 노이즈의 sd를 수정하여 시작해야하고 관찰 노이즈의 sd가 어떻게 반응하는지 볼 수 있습니까?
RockScience

답변:


4

시변 변수가 있고 순차적으로 작업을 수행하려면 (필터링) SMC가 가장 적합합니다. MCMC가 모든 데이터를 조건으로하거나 추정 할 알 수없는 정적 매개 변수가있는 경우 더 좋습니다. 입자 필터에는 정적 매개 변수 (변성)에 문제가 있습니다.


1
답변 주셔서 감사합니다. SMC 수행 방법과 권장하는 R 패키지는 어디에서 배울 수 있습니까?
RockScience

4

dlm 패키지와 해당 비 네트를 살펴보십시오 . 나는 당신이 당신이 찾고있는 것을 삽화에서 찾을 수 있다고 생각합니다. 패키지 작성자는 R을 사용한 Dynamic Linear Models 책을 저술했습니다 .


@ Matti Pastell :이 책이 있습니다. 실제로 매우 좋습니다. 내 질문은 Particule 필터 (내가 이해하는 것부터 MCMC의 순차적 버전 임)와 롤링 윈도우의 MCMC의 차이점에 관한 것입니다 (후자는 롤링 윈도우에서 최적화 프로세스를 다시 실행합니다). 어떤 방법을 선호해야하며 그 이유는 무엇입니까?
RockScience

또한 dlm을 사용 하여이 시변 모델을 쉽게 구축 할 수는 없습니다. 솔직히이 패키지는 시변이 아닌 모델에 사용하기가 쉽지만 다른 모든 것에는 더 까다로워지기 시작합니다. 편집 : 더 까다로워서 문제를 해결할 기능이 없음을 의미합니다. 스크립트를 직접 코딩해야합니다.
RockScience

1
좋아, 나는 또한 책을 가지고 있지만 아직 읽을 시간이 없었다. 문제를 해결하는 데 도움이되지 않습니다.
Matti Pastell

1
어쨌든 감사합니다, 그것은 좋은 책입니다, 여기 인용 될 가치가 있습니다
RockScience

3

마지막 장에서는 순차적 인 Monte Carlo / 입자 필터링에 대해 다루는 R (좋은 책)을 사용한 Dynamic Linear Models를 읽었습니다 . 또한 일부 R코드가 포함되어 있습니다. 그러나 5 장의 결론에서 그들은 오류가 누적되어 추가 시간이 지남에 따라 SMC가 점점 더 신뢰할 수 없게된다고 명시 적으로 경고했다. 따라서, 그들은 매 마다 전체 MCMC 샘플 로부터 후방 분포를 갖는 입자 필터를 "새로 고침"할 것을 권장한다( 1000 × ( 50 - 1 ) × 10 ) ÷ 60 ÷ 24T미문. 어쩌면 나는 그들의 경고를 잘못 읽었지만 롤링 창 MCMC를 사용하는 것이 더 나을 것 같습니다. 그러나 그 방법에는 상당한 컴퓨터 처리 제약이 있다고 생각합니다. 예를 들어, 각각 50 개의 관측치가있는 1,000 개의 다른 일 변량 시계열이 있고 전체 MCMC Gibbs 샘플러를 실행하는 데 10 분이 걸린다고 가정합니다. 그러면 룩업 미리보기없이 매개 변수를 추정하는 데 340 일 ( )의 연속 처리가 필요합니다. 아마도 MCMC를 실행하는 데 걸리는 시간에 대한 추정치가 크게 벗어 났지만 보수적이지만 합리적인 추정치라고 생각합니다.(1000×(501)×10)÷60÷24

당신이 질문을한지 몇 년이 지났으니, 지금 당신이 스스로 답을 가지고 있다면 궁금합니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.