Perguntas com a marcação «time-series»

Entendo a causalidade usada na microeconomia (em particular o design de descontinuidade por IV ou regressão) e também a causalidade de Granger usada na econometria de séries temporais. Como me relaciono um com o outro? Por exemplo, eu vi as duas abordagens sendo usadas para dados em painel (digamos , …

13 time-series  econometrics  causality  granger-causality 

Eu tenho duas horas de dados de GPS com uma taxa de amostragem de 1 Hz (7200 medições). Os dados são fornecidos na forma ( X, Xσ, Y, Yσ, Z, Zσ)(X,Xσ,Y,Yσ,Z,Zσ)(X, X_\sigma, Y, Y_\sigma, Z, Z_\sigma) , onde NσNσN_\sigma é a incerteza de medição. Quando tomo a média de todas …

13 time-series  mean  standard-deviation 

No R (2.15.2), ajustei uma vez um ARIMA (3,1,3) em uma série temporal e uma vez um ARMA (3,3) em séries temporais que diferiam uma vez. Os parâmetros ajustados diferem, o que eu atribuí ao método de ajuste no ARIMA. Além disso, o ajuste de um ARIMA (3,0,3) nos mesmos …

13 r  time-series  arima  fitting  arma 

Eu tenho tentado aprender e aplicar modelos ARIMA. Tenho lido um excelente texto sobre o ARIMA da Pankratz - Forecasting with Univariate Box - Jenkins Models: Concepts and Cases . No texto, o autor enfatiza especialmente o princípio da parcimônia na escolha dos modelos ARIMA. Comecei a jogar com auto.arima()função …

13 time-series  forecasting  arima  aic  automatic-algorithms 

Preciso derivar expressões analíticas para a função de autocovariância γ(k)γ(k)\gamma\left(k\right) de um processo ARMA (2,1) indicado por: 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 Então, eu sei que: 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] para que eu possa escrever: 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] então, para derivar a versão analítica da função de autocovariância, preciso substituir valores de …

13 time-series  covariance  autocorrelation  arma 

1. O problema Eu tenho algumas medidas de uma variável , onde , para a qual eu tenho uma distribuição obtida via MCMC, que por simplicidade assumirei ser um gaussiano de média e variância \ sigma_t ^ 2 .ytyty_tt=1,2,..,nt=1,2,..,nt=1,2,..,nfyt(yt)fyt(yt)f_{y_t}(y_t)μtμt\mu_tσ2tσt2\sigma_t^2 Eu tenho um modelo físico para essas observações, digamos g(t)g(t)g(t) , …

13 time-series  mcmc  autoregressive  likelihood 

A padronização de uma variável dependente dentro do grupo de identificação faz sentido? O documento de trabalho a seguir (desaceleração do desmatamento na Amazônia Legal; Preços ou políticas ?, pdf ) usa uma variável dependente padronizada para analisar o efeito da mudança de política geral no Brasil sobre o desmatamento. …

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

Editar Encontrei um artigo descrevendo exatamente o procedimento de que preciso. A única diferença é que o artigo interpola os dados médios mensais para diários, preservando as médias mensais. Estou com problemas para implementar a abordagem R. Todas as dicas são apreciadas. Original Para cada semana, tenho os seguintes dados …

13 r  time-series  interpolation 

Para fazer um prefácio, tenho um fundo matemático bastante profundo, mas nunca lidei com séries temporais ou modelagem estatística. Então você não precisa ser muito gentil comigo :) Estou lendo este artigo sobre modelagem do uso de energia em edifícios comerciais, e o autor faz esta afirmação: [A presença de …

13 time-series  autocorrelation 

O processo AR (1) como yt=ρyt−1+εtyt=ρyt−1+εty_t=\rho y_{t-1}+\varepsilon_t um processo de Markov? Se for, então VAR (1) é a versão vetorial do processo de Markov?

13 time-series 

Ao pré-formar o teste de Johansen Cointegration para 2 séries temporais (o caso simples), você precisa decidir o atraso que deseja usar. Fazer o teste para atrasos diferentes retorna resultados diferentes: para alguns níveis de atraso, a hipótese nula pode ser rejeitada, mas para outros, não. Minha pergunta é qual …

13 time-series  cointegration 

Estou apenas tentando entender qual é a relação entre uma regressão múltipla / simples normal vs. regressão múltipla / simples quando as variáveis ​​são diferenciadas. Por exemplo, estou analisando a relação entre saldo de depósito ( taxas) do mercado vs. ( R T ) Se eu executar uma simples regressão …

13 regression  time-series 

Eu tenho um modelo de previsão para uma série temporal e quero calcular seu erro de previsão fora da amostra. No momento, a estratégia que estou seguindo é a sugerida no blog de Rob Hyndman (perto da parte inferior da página), que é assim (assumindo uma série temporal um conjunto …

13 time-series  forecasting 

Estou vendo um modelo de regressão que está regredindo os retornos ano-a-ano do índice de ações com atraso (12 meses) retornos ano-a-ano do mesmo índice de ações, spread de crédito (diferença entre a média mensal de títulos sem risco e títulos corporativos YoY - taxa de inflação e índice YoY …

13 regression  time-series  autocorrelation 

Quais são os prós e os contras do uso do LARS [1] versus o uso da descida de coordenadas para ajustar a regressão linear regularizada por L1? Estou interessado principalmente em aspectos de desempenho (meus problemas tendem a ter Nentre centenas e milhares e p<20.) No entanto, quaisquer outras idéias …

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