Questions marquées «time-series»

Comment est-ce que je détruis les séries chronologiques? Est-il correct de prendre la première différence et d'exécuter un test de Dickey Fuller, et s'il est stationnaire, nous sommes bons? J'ai également trouvé en ligne que je peux nuire à la série chronologique en faisant cela dans Stata: reg lncredit time …

13 regression  time-series  stata  stationarity 

Je comprends la causalité telle qu'utilisée en microéconomie (en particulier IV ou conception de discontinuité de régression) et aussi la causalité de Granger telle qu'utilisée en économétrie de séries chronologiques. Comment est-ce que je lie l'un avec l'autre? Par exemple, j'ai vu les deux approches utilisées pour les données de …

13 time-series  econometrics  causality  granger-causality 

J'ai deux 2 heures de données GPS avec un taux d'échantillonnage de 1 Hz (7200 mesures). Les données sont données sous la forme (X,Xσ,Y,Yσ,Z,Zσ)(X,Xσ,Y,Yσ,Z,Zσ)(X, X_\sigma, Y, Y_\sigma, Z, Z_\sigma) , où NσNσN_\sigma est l'incertitude de mesure. Lorsque je prends la moyenne de toutes les mesures (par exemple, la valeur Z …

13 time-series  mean  standard-deviation 

Dans R (2.15.2), j'ai monté une fois un ARIMA (3,1,3) sur une série temporelle et une fois un ARMA (3,3) sur la série temporelle une fois différenciée. Les paramètres ajustés diffèrent, ce que j'ai attribué à la méthode d'ajustement dans ARIMA. De plus, l'ajustement d'un ARIMA (3,0,3) sur les mêmes …

13 r  time-series  arima  fitting  arma 

J'ai essayé d'apprendre et d'appliquer des modèles ARIMA. J'ai lu un excellent texte sur ARIMA de Pankratz - Prévision avec boîte univariée - Modèles Jenkins: concepts et cas . Dans le texte, l'auteur insiste particulièrement sur le principe de parcimonie dans le choix des modèles ARIMA. J'ai commencé à jouer …

13 time-series  forecasting  arima  aic  automatic-algorithms 

J'ai besoin de dériver des expressions analytiques pour la fonction d'autocovarianceγ(k)γ(k)\gamma\left(k\right) d'un processus ARMA (2,1) dénoté par: 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 Donc, je sais 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] donc je peux écrire: 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] puis, pour dériver la version analytique de la fonction d'autocovariance, j'ai besoin de substituer des …

13 time-series  covariance  autocorrelation  arma 

1. Le problème J'ai des mesures d'une variable ytyty_t , où t=1,2,..,nt=1,2,..,nt=1,2,..,n , pour lequel j'ai une distribution obtenue via MCMC, qui pour simplifier je suppose que c'est un gaussien de moyenne et de variance .fyt(yt)fyt(yt)f_{y_t}(y_t)μtμt\mu_tσ2tσt2\sigma_t^2 J'ai un modèle physique pour ces observations, disons , mais les résidus semblent être …

13 time-series  mcmc  autoregressive  likelihood 

La normalisation d'une variable dépendante au sein du groupe d'identification est-elle logique? Le document de travail suivant (Ralentissement de la déforestation en Amazonie légale; prix ou politiques?, Pdf ) utilise une variable dépendante standardisée pour analyser l'effet du changement de politique générale au Brésil sur la déforestation. La normalisation se …

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

Éditer J'ai trouvé un document décrivant exactement la procédure dont j'ai besoin. La seule différence est que le papier interpole les données moyennes mensuelles au quotidien, tout en préservant les moyennes mensuelles. J'ai du mal à mettre en œuvre l'approche en R. Tous les indices sont appréciés. Original Pour chaque …

13 r  time-series  interpolation 

Pour commencer, j'ai une formation mathématique assez approfondie, mais je n'ai jamais vraiment traité de séries chronologiques ou de modélisation statistique. Vous n'avez donc pas besoin d'être très gentil avec moi :) Je lis cet article sur la modélisation de la consommation d'énergie dans les bâtiments commerciaux, et l'auteur fait …

13 time-series  autocorrelation 

Le processus AR (1) tel que yt=ρyt−1+εtyt=ρyt−1+εty_t=\rho y_{t-1}+\varepsilon_t un processus de Markov? Si c'est le cas, alors VAR (1) est la version vectorielle du processus de Markov?

13 time-series 

Lors du préformage du test Johansen Cointegration pour 2 séries temporelles (le cas simple), vous devez décider du décalage que vous souhaitez utiliser. Faire le test pour différents décalages renvoie des résultats différents: pour certains niveaux de décalage, l'hypothèse nulle peut être rejetée mais pour d'autres, elle ne le peut …

13 time-series  cointegration 

J'essaie simplement de comprendre quelle est la relation entre une régression multiple / simple normale vs une régression multiple / simple lorsque les variables sont différenciées. Par exemple, j'analyse la relation entre le solde des dépôts ( ) et les taux du marché ( R T ) Si je lance …

13 regression  time-series 

J'ai un modèle de prévision pour une série chronologique et je veux calculer son erreur de prédiction hors échantillon. En ce moment, la stratégie que je suis en train de suivre est celle suggérée sur le blog de Rob Hyndman (près du bas de la page) qui va comme ceci …

13 time-series  forecasting 

Je vois un modèle de régression qui régresse les rendements des indices boursiers sur douze mois (12 mois) Rendements annuels du même indice boursier, écart de crédit (différence entre la moyenne mensuelle des obligations sans risque et des obligations de sociétés) taux d'inflation en glissement annuel et indice de production …

13 regression  time-series  autocorrelation