시변 계수, 즉 일반적인 선형 회귀에 대한 확장으로 DLM을 맞추고 싶습니다.
입니다.
1950 ~ 2011 년에 각각 예측 변수 ( )와 반응 변수 ( ), 해양 및 내륙 연간 어획량이 있습니다. DLM 회귀 모델을 따르고 싶습니다.
시스템 진화 방정식은
Petris et al.의 R을 사용한 동적 선형 모델의 43 페이지에서
여기 일부 코딩
fishdata <- read.csv("http://dl.dropbox.com/s/4w0utkqdhqribl4/fishdata.csv", header=T)
x <- fishdata$marinefao
y <- fishdata$inlandfao
lmodel <- lm(y ~ x)
summary(lmodel)
plot(x, y)
abline(lmodel)
분명히 회귀 모델의 시변 계수가 더 적절합니다. 나는 121-125 페이지의 그의 예를 따르고 이것을 내 자신의 데이터에 적용하고 싶습니다. 이것은 예제의 코딩입니다
############ PAGE 123
require(dlm)
capm <- read.table("http://shazam.econ.ubc.ca/intro/P.txt", header=T)
capm.ts <- ts(capm, start = c(1978, 1), frequency = 12)
colnames(capm)
plot(capm.ts)
IBM <- capm.ts[, "IBM"] - capm.ts[, "RKFREE"]
x <- capm.ts[, "MARKET"] - capm.ts[, "RKFREE"]
x
plot(x)
outLM <- lm(IBM ~ x)
outLM$coef
acf(outLM$res)
qqnorm(outLM$res)
sig <- var(outLM$res)
sig
mod <- dlmModReg(x,dV = sig, m0 = c(0, 1.5), C0 = diag(c(1e+07, 1)))
outF <- dlmFilter(IBM, mod)
outF$m
plot(outF$m)
outF$m[ 1 + length(IBM), ]
########## PAGES 124-125
buildCapm <- function(u){
dlmModReg(x, dV = exp(u[1]), dW = exp(u[2:3]))
}
outMLE <- dlmMLE(IBM, parm = rep(0,3), buildCapm)
exp(outMLE$par)
outMLE
outMLE$value
mod <- buildCapm(outMLE$par)
outS <- dlmSmooth(IBM, mod)
plot(dropFirst(outS$s))
outS$s
plot(dropFirst(outS$s))
실행에 문제가있는 내 데이터에 대한 평활 추정치를 그릴 수 있기를 원합니다 .
최신 정보
이제이 플롯을 생성 할 수 있지만 올바르다 고 생각하지 않습니다.
fishdata <- read.csv("http://dl.dropbox.com/s/4w0utkqdhqribl4/fishdata.csv", header=T)
x <- as.numeric(fishdata$marinefao)
y <- as.numeric(fishdata$inlandfao)
xts <- ts(x, start=c(1950,1), frequency=1)
xts
yts <- ts(y, start=c(1950,1), frequency=1)
yts
lmodel <- lm(yts ~ xts)
#################################################
require(dlm)
buildCapm <- function(u){
dlmModReg(xts, dV = exp(u[1]), dW = exp(u[2:3]))
}
outMLE <- dlmMLE(yts, parm = rep(0,3), buildCapm)
exp(outMLE$par)
outMLE$value
mod <- buildCapm(outMLE$par)
outS <- dlmSmooth(yts, mod)
plot(dropFirst(outS$s))
> summary(outS$s); lmodel$coef
V1 V2
Min. :87.67 Min. :1.445
1st Qu.:87.67 1st Qu.:1.924
Median :87.67 Median :3.803
Mean :87.67 Mean :4.084
3rd Qu.:87.67 3rd Qu.:6.244
Max. :87.67 Max. :7.853
(Intercept) xts
273858.30308 1.22505
절편 평활 추정치 (V1)는 lm 회귀 계수와는 거리가 멀다. 나는 그들이 서로 더 가까워 야한다고 생각합니다.
lmodel$coef
추정치에 가깝지 않습니다 . 줄거리가 잘못되었다고 가정하지만 잘못되었을 수 있습니다.