Domande taggate «time-series»

Comprendo la causalità come utilizzata nella microeconomia (in particolare IV o disegno di discontinuità di regressione) e anche la causalità di Granger come utilizzata nell'econometria delle serie temporali. Come posso mettere in relazione l'uno con l'altro? Ad esempio, ho visto entrambi gli approcci utilizzati per i dati del pannello (diciamo …

13 time-series  econometrics  causality  granger-causality 

Ho due 2 ore di dati GPS con una frequenza di campionamento di 1 Hz (7200 misurazioni). I dati sono forniti nella forma ( X, Xσ, Y, Yσ, Z, Zσ)(X,Xσ,Y,Yσ,Z,Zσ)(X, X_\sigma, Y, Y_\sigma, Z, Z_\sigma) , dove è l'incertezza di misura.NσNσN_\sigma Quando prendo la media di tutte le misurazioni (ad …

13 time-series  mean  standard-deviation 

In R (2.15.2) ho montato una volta un ARIMA (3,1,3) su una serie temporale e una volta un ARMA (3,3) sulla serie temporale una volta differenziata. I parametri adattati differiscono, che ho attribuito al metodo di adattamento in ARIMA. Inoltre, il montaggio di un ARIMA (3,0,3) sugli stessi dati di …

13 r  time-series  arima  fitting  arma 

Ho cercato di imparare e applicare i modelli ARIMA. Ho letto un eccellente testo su ARIMA di Pankratz - Previsioni con scatola univariata - Modelli Jenkins: concetti e casi . Nel testo l'autore sottolinea in particolare il principio della parsimonia nella scelta dei modelli ARIMA. Ho iniziato a giocare con …

13 time-series  forecasting  arima  aic  automatic-algorithms 

Devo derivare espressioni analitiche per la funzione di autocovarianza γ(k)γ(k)\gamma\left(k\right) di un processo ARMA (2,1) indicato da: yt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵtyt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵty_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\theta_1\epsilon_{t-1}+\epsilon_t Quindi so che: γ(k)=E[yt,yt−k]γ(k)=E[yt,yt−k]\gamma\left(k\right) = \mathrm{E}\left[y_t,y_{t-k}\right] così posso scrivere: γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]\gamma\left(k\right) = \phi_1 \mathrm{E}\left[y_{t-1}y_{t-k}\right]+\phi_2 \mathrm{E}\left[y_{t-2}y_{t-k}\right]+\theta_1 \mathrm{E}\left[\epsilon_{t-1}y_{t-k}\right]+\mathrm{E}\left[\epsilon_{t}y_{t-k}\right] quindi, per derivare la versione analitica della funzione di autocovarianza, devo sostituire i valori di - 0, …

13 time-series  covariance  autocorrelation  arma 

1. Il problema Ho alcune misure di una variabile ytyty_t , dove t=1,2,..,nt=1,2,..,nt=1,2,..,n , per cui ho una distribuzione fyt(yt)fyt(yt)f_{y_t}(y_t) ottenuto tramite MCMC, che per semplicità Si assume una gaussiana di media μtμt\mu_t e varianza σ2tσt2\sigma_t^2 . Ho un modello fisico per quelle osservazioni, diciamo g(t)g(t)g(t) , ma i residui …

13 time-series  mcmc  autoregressive  likelihood 

Ha senso la standardizzazione di una variabile dipendente all'interno del gruppo identificativo? Il seguente documento di lavoro (rallentamento della deforestazione nell'Amazzonia legale; Prezzi o politiche ?, pdf ) utilizza una variabile dipendente standardizzata per analizzare l'effetto del cambiamento generale delle politiche in Brasile sulla deforestazione. Yn e wI t= YI …

13 regression  time-series  panel-data  standardization  fixed-effects-model 

modificare Ho trovato un documento che descrive esattamente la procedura di cui ho bisogno. L'unica differenza è che il documento interpola i dati medi mensili a quelli giornalieri, preservando al contempo le medie mensili. Ho difficoltà a implementare l'approccio R. Eventuali suggerimenti sono apprezzati. Originale Per ogni settimana, ho i …

13 r  time-series  interpolation 

Per prefigurare, ho un background matematico piuttosto profondo, ma non ho mai avuto a che fare con serie storiche o modelli statistici. Quindi non devi essere molto gentile con me :) Sto leggendo questo documento sulla modellizzazione del consumo di energia negli edifici commerciali e l'autore afferma: [La presenza di …

13 time-series  autocorrelation 

Il processo AR (1) come yt=ρyt−1+εtyt=ρyt−1+εty_t=\rho y_{t-1}+\varepsilon_t un processo di Markov? Se lo è, allora VAR (1) è la versione vettoriale del processo Markov?

13 time-series 

Quando preformi il test di cointegrazione Johansen per 2 serie temporali (il caso semplice) devi decidere il ritardo che desideri utilizzare. Fare il test per ritardi diversi restituisce risultati diversi: per alcuni livelli di ritardo l'ipotesi nulla può essere respinta ma per altri no. La mia domanda è: qual è …

13 time-series  cointegration 

Sto solo cercando di capire quale sia la relazione tra una normale regressione multipla / semplice rispetto a una regressione multipla / semplice quando le variabili sono differenziate. Ad esempio, sto analizzando la relazione tra il saldo dei depositi ( ) rispetto ai tassi di mercato ( ) Se una …

13 regression  time-series 

Ho un modello di previsione per una serie storica e voglio calcolare il suo errore di predizione fuori campione. Al momento la strategia che sto seguendo è quella suggerita sul blog di Rob Hyndman (nella parte inferiore della pagina) che va così (supponendo una serie temporale e un set di …

13 time-series  forecasting 

Sto vedendo un modello di regressione che sta regredendo i rendimenti dell'indice azionario su base annua su ritardati (12 mesi) rendimenti su base annua dello stesso indice azionario, spread creditizio (differenza tra media mensile di obbligazioni senza rischio e obbligazioni societarie rendimenti), tasso di inflazione su base annua e indice …

13 regression  time-series  autocorrelation 

Quali sono i pro e i contro dell'utilizzo di LARS [1] rispetto all'utilizzo della discesa delle coordinate per l'adattamento della regressione lineare regolarizzata L1? Sono principalmente interessato agli aspetti prestazionali (i miei problemi tendono ad avere Ntra le centinaia di migliaia e p<20). Tuttavia, anche altre intuizioni sarebbero apprezzate. modifica: …

13 regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction