Ajustando um DLM com coeficiente variável no tempo

9

Quero ajustar um DLM com coeficientes variáveis ​​no tempo, ou seja, uma extensão da regressão linear usual,

yt=θ1 1+θ2x2 .

Eu tenho um preditor ( ) e uma variável de resposta ( ), capturas anuais de peixes no mar e no interior, respectivamente, de 1950 a 2011. Quero que o modelo de regressão DLM siga,x2yt

yt=θt,1 1+θt,2xt

onde a equação de evolução do sistema é

θt=Gtθt-1 1

da página 43 de Modelos lineares dinâmicos com R de Petris et al.

Alguns codificando aqui,

fishdata <- read.csv("http://dl.dropbox.com/s/4w0utkqdhqribl4/fishdata.csv", header=T)
x <- fishdata$marinefao
    y <- fishdata$inlandfao

lmodel <- lm(y ~ x)
summary(lmodel)
plot(x, y)
abline(lmodel)

Claramente, os coeficientes variáveis ​​do tempo do modelo de regressão são mais apropriados aqui. Sigo o exemplo dele das páginas 121 - 125 e quero aplicar isso aos meus próprios dados. Esta é a codificação do exemplo

############ PAGE 123
require(dlm)

capm <- read.table("http://shazam.econ.ubc.ca/intro/P.txt", header=T)
capm.ts <- ts(capm, start = c(1978, 1), frequency = 12)
colnames(capm)
plot(capm.ts)
IBM <- capm.ts[, "IBM"]  - capm.ts[, "RKFREE"]
x <- capm.ts[, "MARKET"] - capm.ts[, "RKFREE"]
x
plot(x)
outLM <- lm(IBM ~ x)
outLM$coef
    acf(outLM$res)
qqnorm(outLM$res)
    sig <- var(outLM$res)
sig

mod <- dlmModReg(x,dV = sig, m0 = c(0, 1.5), C0 = diag(c(1e+07, 1)))
outF <- dlmFilter(IBM, mod)
outF$m
    plot(outF$m)
outF$m[ 1 + length(IBM), ]

########## PAGES 124-125
buildCapm <- function(u){
  dlmModReg(x, dV = exp(u[1]), dW = exp(u[2:3]))
}

outMLE <- dlmMLE(IBM, parm = rep(0,3), buildCapm)
exp(outMLE$par)
    outMLE
    outMLE$value
mod <- buildCapm(outMLE$par)
    outS <- dlmSmooth(IBM, mod)
    plot(dropFirst(outS$s))
outS$s

Quero poder plotar as estimativas de suavização plot(dropFirst(outS$s))para meus próprios dados, que estou tendo problemas para executar.

ATUALIZAR

Agora posso produzir esses lotes, mas não acho que estejam corretos.

fishdata <- read.csv("http://dl.dropbox.com/s/4w0utkqdhqribl4/fishdata.csv", header=T)
x <- as.numeric(fishdata$marinefao)
    y <- as.numeric(fishdata$inlandfao)
xts <- ts(x, start=c(1950,1), frequency=1)
xts
yts <- ts(y, start=c(1950,1), frequency=1)
yts

lmodel <- lm(yts ~ xts)
#################################################
require(dlm)
    buildCapm <- function(u){
  dlmModReg(xts, dV = exp(u[1]), dW = exp(u[2:3]))
}

outMLE <- dlmMLE(yts, parm = rep(0,3), buildCapm)
exp(outMLE$par)
        outMLE$value
mod <- buildCapm(outMLE$par)
        outS <- dlmSmooth(yts, mod)
        plot(dropFirst(outS$s))

> summary(outS$s); lmodel$coef
       V1              V2       
 Min.   :87.67   Min.   :1.445  
 1st Qu.:87.67   1st Qu.:1.924  
 Median :87.67   Median :3.803  
 Mean   :87.67   Mean   :4.084  
 3rd Qu.:87.67   3rd Qu.:6.244  
 Max.   :87.67   Max.   :7.853  
 (Intercept)          xts 
273858.30308      1.22505 

A estimativa de suavização de interceptação (V1) está longe do coeficiente de regressão lm. Presumo que eles devam estar mais próximos um do outro.

hgeop
fonte

Respostas:

2

Qual é exatamente o seu problema?

A única armadilha que encontrei é que, aparentemente,

fishdata <- read.csv("http://dl.dropbox.com/s/4w0utkqdhqribl4,
                     fishdata.csv", header=T)

lê dados como números inteiros. Eu tive que convertê-los para flutuar,

x <- as.numeric(fishdata$marinefao)
y <- as.numeric(fishdata$inlandfao)

antes que eu pudesse invocar as funções dlm *.

F. Tusell
fonte
Obrigado por suas sugestões @F. Tusell; Eu atualizei minha pergunta. As estimativas de suavização produzidas não estão próximas das lmodel$coefestimativas. Presumo que as parcelas estejam incorretas, mas posso estar errado.
hgeop
11
Não há razão para esperar que as estimativas suavizadas de inclinação e interceptação estejam próximas dos betas fixos na regressão linear. Em particular, a inclinação deve flutuar descontroladamente.
F. Tusell 10/02