상태 공간 시계열 분석에서 어떤 모델이 더 나은지 확인하는 방법은 무엇입니까?

상태 공간 방법으로 시계열 데이터 분석을 수행하고 있습니다. 내 데이터를 사용하여 확률 론적 로컬 레벨 모델이 결정 론적 모델보다 완전히 뛰어났습니다. 그러나 결정적 수준 및 기울기 모델은 확률 적 수준 및 확률 적 / 결정적 기울기보다 더 나은 결과를 제공합니다. 이게 평범한가요? R의 모든 방법에는 초기 값이 필요하며 ARIMA 모델을 먼저 피팅하고 상태 공간 분석을위한 초기 값으로 값을 가져 오는 방법이 있습니다. 가능한? 또는 다른 제안? 여기서 나는 상태 공간 분석에 완전히 익숙하지 않다고 고백해야한다.

첫 번째 질문에 답하십시오. 예, 모두 가능합니다. 평범하지 않거나 특이하지 않습니다. 데이터가 올바른 모델이 무엇인지 알려주도록해야합니다. 가능한 경우 계절,주기 및 설명 회귀 분석을 사용하여 모델을 추가로 보강하십시오.

모델을 비교하기 위해 AIC (Akaike Information Criterion)를 비교할뿐만 아니라 잔차 (불규칙한 용어)가 정상, 균일도, 독립적 (Ljung-Box 테스트)인지 확인해야합니다. 원하는 속성이 모두있는 모델을 찾을 수있는 경우 선호하는 모델이어야합니다 (이러한 속성을 모두 갖춘 모델이 최상의 AIC를 가질 가능성이 높습니다).

초기 값이 로그 우도 함수의 최대 지점을 찾는 데 영향을 주지만 모형이 올바르게 지정되어 있으면 너무 많이 변하지 않아야하며 초기 값이 가장 좋은 최상의 모형에 대한 확실한 후보가 있어야합니다. Matlab 에서이 유형의 분석을 많이 수행하고 초기 값을 찾는 가장 좋은 방법은 조금 놀아 보는 것입니다. 지루할 수는 있지만 결국에는 잘 작동합니다.