Dopasowanie zmiennego w czasie współczynnika DLM

9

Chcę dopasować DLM ze zmiennymi w czasie współczynnikami, tj. Rozszerzeniem zwykłej regresji liniowej,

yt=θ1+θ2)x2).

Mam predyktor (x2)) i zmienną odpowiedzi (yt), coroczne połowy ryb morskich i śródlądowych odpowiednio w latach 1950–2011. Chcę, aby postępował model regresji DLM,

yt=θt,1+θt,2)xt

gdzie jest równanie ewolucji systemu

θt=soltθt-1

od strony 43 Dynamicznych modeli liniowych z R autorstwa Petrisa i in.

Trochę kodowania tutaj,

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)

W tym przypadku bardziej odpowiednie są zmienne w czasie współczynniki modelu regresji. Śledzę jego przykład ze stron 121–125 i chcę zastosować to do moich danych. To jest kodowanie z przykładu

############ 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

Chcę mieć możliwość kreślenia oszacowań wygładzania plot(dropFirst(outS$s))dla moich własnych danych, które mam problem z wykonaniem.

AKTUALIZACJA

Mogę teraz produkować te wykresy, ale nie sądzę, aby były prawidłowe.

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 

Oszacowanie wygładzania przecięcia (V1) jest dalekie od współczynnika regresji lm. Zakładam, że powinni być bliżej siebie.

hgeop
źródło

Odpowiedzi:

2

Jaki jest dokładnie twój problem?

Jedyną pułapką, jaką znalazłem, jest to, że najwyraźniej

fishdata <- read.csv("http://dl.dropbox.com/s/4w0utkqdhqribl4,
                     fishdata.csv", header=T)

odczytuje dane jako liczby całkowite. Musiałem przekonwertować je na pływak,

x <- as.numeric(fishdata$marinefao)
y <- as.numeric(fishdata$inlandfao)

zanim mogłem wywołać funkcje dlm *.

F. Tusell
źródło
Dziękujemy za sugestie @F. Tusell; Zaktualizowałem swoje pytanie. Uzyskane szacunki wygładzania nie są zbliżone do lmodel$coefszacunków. Zakładam, że wykresy są nieprawidłowe, ale mogę się mylić.
hgeop
1
Nie ma powodu oczekiwać, że wygładzone oszacowania nachylenia i przechwytywania będą zbliżone do ustalonych wartości beta w regresji liniowej. W szczególności nachylenie powinno wahać się dziko.
F. Tusell,