Als «dynamic-regression» getaggte Fragen

2
1-Schritt-Voraus-Vorhersagen mit dem Dynlm R-Paket
Ich habe ein Modell mit mehreren unabhängigen Variablen, von denen eine die Verzögerung der abhängigen Variablen ist, mithilfe des Dynlm-Pakets angepasst. Angenommen, ich habe 1-Schritt-Voraus-Prognosen für meine unabhängigen Variablen. Wie erhalte ich 1-Schritt-Voraus-Prognosen für meine abhängigen Variablen? Hier ist ein Beispiel: library(dynlm) y<-arima.sim(model=list(ar=c(.9)),n=10) #Create AR(1) dependant variable A<-rnorm(10) #Create independant …
2
Intervention mit Differenzierung
Wenn ich eine Interventionsanalyse mit Zeitreihendaten (auch als unterbrochene Zeitreihen bezeichnet) durchführe, wie hier erläutert , besteht eine Anforderung darin, den Gesamtgewinn (oder -verlust) aufgrund der Intervention zu schätzen - dh die Anzahl der gewonnenen oder verlorenen Einheiten (die Y-Variable) ). Da ich nicht ganz verstand, wie man die Interventionsfunktion …
1
Anpassen eines zeitvariablen Koeffizienten DLM
Ich möchte ein DLM mit zeitlich variierenden Koeffizienten anpassen, dh eine Erweiterung der üblichen linearen Regression. yt= θ1+ θ2x2yt=θ1+θ2x2y_t = \theta_1 + \theta_2x_2 . Ich habe einen Prädiktor ( ) und eine Antwortvariable ( ), Meeres- und Binnenfischfang von 1950 bis 2011. Ich möchte, dass das DLM-Regressionsmodell folgt:y tx2x2x_2ytyty_t yt= …
2
Wie identifiziere ich Übertragungsfunktionen in einem Zeitreihen-Regressionsprognosemodell?
Ich versuche, ein Zeitreihen-Regressionsprognosemodell für eine Ergebnisvariable in US-Dollar in Bezug auf andere Prädiktoren / Eingabevariablen und autokorrelierte Fehler zu erstellen. Diese Art von Modell wird auch als dynamisches Regressionsmodell bezeichnet. Ich muss lernen, wie man Übertragungsfunktionen für jeden Prädiktor identifiziert, und würde gerne von Ihnen hören, wie Sie genau …
3
Finden Sie die Verteilung und transformieren Sie sie in die Normalverteilung
Ich habe Daten, die beschreiben, wie oft ein Ereignis während einer Stunde stattfindet ("Anzahl pro Stunde", nph) und wie lange die Ereignisse dauern ("Dauer in Sekunden pro Stunde", dph). Dies sind die Originaldaten: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, …
8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 
3
Modellvergleich zwischen einem ARIMA-Modell und einem Regressionsmodell
Ich habe wirklich Probleme herauszufinden, wie man ARIMA- und Regressionsmodelle vergleicht. Ich verstehe, wie ARIMA-Modelle gegeneinander und verschiedene Arten von Regressionsmodellen (dh Regression gegen dynamische Regression mit AR-Fehlern) gegeneinander bewertet werden, sehe jedoch nicht viele Gemeinsamkeiten zwischen Bewertungsmetriken für ARIMA-Modelle und Regressionsmodelle. Die einzigen zwei Metriken, die sie gemeinsam nutzen, …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.