Come verificare quale modello è migliore nell'analisi delle serie temporali dello spazio degli stati?

Sto facendo analisi dei dati di serie temporali con metodi dello spazio degli stati. Con i miei dati, il modello di livello locale stocastico ha superato di gran lunga quello deterministico. Ma il livello deterministico e il modello di pendenza danno risultati migliori rispetto al livello stocastico e alla pendenza stocastica / deterministica. È qualcosa al solito? Tutti i metodi in R richiedono valori iniziali, e ho letto da qualche parte che adattarsi per primo a un modello ARIMA e prendere valori da lì come valori iniziali per l'analisi dello spazio degli stati è un modo; possibile? o qualsiasi altra proposta? Devo confessare che sono totalmente nuovo nello stato di analisi dello spazio.

time-series state-space-models

— Scortchi - Ripristina Monica
fonte

Si prega di fornire l'esempio. Ora non è chiaro quale sia il tuo vero problema.

— mpiktas,

Intendi un modello spaziale di stato di livellamento esponenziale? Quali pacchetti R stai usando?

— Zach,

stai provando a confrontare i modelli o vuoi selezionare un modello?

— naught101

In primo luogo, come già accennato, non è chiaro quale sia il tuo vero problema. Scrivi che A e B sovraperformati danno risultati migliori di A. Questo è confuso. In secondo luogo, il pacchetto R "previsione" ha alcuni metodi automatici di serie temporali. Includono: auto.arima (), ets (), tbats () e bats ().

— potenza

Puoi spiegare cosa intendi quando dici "sovraperformato" e "dà risultati migliori di"?

— Glen_b

Per rispondere alla tua prima domanda. Sì, tutto è possibile. Non è normale o insolito. Dovresti lasciare che i dati ti dicano qual è il modello corretto. Prova ad aumentare ulteriormente il modello con stagionali, cicli e regressori esplicativi, se possibile.

Dovresti non solo confrontare l'Akaike Information Criterion (AIC) per confrontare i modelli, ma anche verificare che i residui (termine irregolare) siano normali, omoschedastici e indipendenti (test di Ljung-Box). Se riesci a trovare un modello che ha tutte queste proprietà desiderabili. Questo dovrebbe essere il tuo modello preferito (è probabile che un modello con tutte queste proprietà abbia il miglior AIC).

Sebbene i valori iniziali influenzino il punto massimo della funzione di verosimiglianza trovata, se il modello è ben specificato, non dovrebbe variare troppo e dovrebbe esserci un candidato ovvio per il miglior modello con i migliori valori iniziali. Faccio molto di questo tipo di analisi in Matlab e ho scoperto che il modo migliore per trovare i valori iniziali è solo giocare un po '. Può essere noioso ma alla fine funziona bene.

— Joe Danger
fonte