mcem r语言代码_R语言阈值自回归模型(TAR)代码示例

原文链接:

R语言时间序列TAR阈值模型分析​tecdat.cn
ac053cef0c640a5fdac0fd1ba7222ed9.png

阈值模型用于统计的几个不同区域,而不仅仅是时间序列。一般的想法是,当变量的值超过某个阈值时,过程可能表现不同。也就是说,当值大于阈值时,可以应用不同的模型,而不是当它们低于阈值时。例如,在药物毒理学应用中,可能低于阈值量的所有剂量都是安全的,而当剂量增加到阈值量以上时毒性增加。或者,在动物种群丰度研究中,种群可以缓慢增加至阈值大小,但是一旦种群超过一定大小,则可能迅速减少(由于有限的食物)。

阈值模型是制度转换模型(RSM)的特例。在RSM建模中,不同的模型适用于某些关键变量的不同值间隔。

单变量时间序列的阈值自回归模型(TAR)。在TAR模型中,AR模型在由因变量定义的两个或更多个值间隔中单独估计。这些AR模型可能是也可能不是相同的顺序。为方便起见,通常假设它们具有相同的顺序。

该文本仅考虑单个阈值,因此将存在两个单独的AR模型 - 一个用于超过阈值的值,另一个用于不超过阈值的值。困难在于确定是否需要TAR模型,使用的阈值以及AR模型的顺序。TAR模型可以工作的数据的一个特征是当值高于某个水平时,增加和/或减少的速率可能不同于当值低于该水平时。

阈值水平的估计或多或少是主观的。许多分析师探索了几种不同的阈值水平,试图提供良好的数据拟合(通过MSE值和残差的一般特征来衡量)。AR模型的顺序也可以是试错法,特别是当数据的固有模型可能不是AR时。一般来说,分析师从他们认为可能比必要的更高的订单开始,然后在必要时减少订单。

第一步绘制数据。以下是数据的时间序列图。

d01da2e677f1599cb15c3e10744d07ac.png

注意陡峭增加(和减少)的时期。作者还注意到略有下降趋势,因此首先考察了差异。以下是第一个差异的时间序列图。

83dd19b21b66ffb7975ecf2e2358db77.png

与原始数据一致,我们看到某些时期的急剧增加和减少。经过一些实验,作者决定对两个区域使用单独的AR(4)模型:第一个差异大于或等于0.05的数据和第一个差异小于0.05的数据。该模型非常适合,作为以下图表的证据 - 残差的ACF和PACF以及将实际的第一差异与预测的第一差异进行比较的图表。在比较实际值和预测值的图中,预测值沿着红色虚线。

99d16ae813297142be1fd318251c6a79.png

21843ee2ba65c7b3a5232220fea22b34.png

R代码示例

该示例的R代码如下。在ts.intersect 命令中,lag(,)命令创建滞后,输出的矩阵不包含缺少值的行。在代码中,我们对所有数据进行AR(4)模型的回归拟合,以便设置将在单独的制度回归中使用的变量。另请注意,阈值在命令c = .05中定义。 代码将执行两个回归,确定残差及其acf / pacf,并创建实际值和预测值的图。

model = ts.intersect(y,lag1y = lag(y,-1),lag2y = lag(y,-2),lag3y = lag(y,-3),lag4y = lag(y,-4)) x = model [ ,1]

##低于阈值的值的回归 less =(P [,1] <c) out1 = lm(x1~P1 [,1] + P1 [,2] + P1 [,3] + P1 [,4]) ##回归值高于阈值 out2 = lm(x2~P2 [,1] + P2 [,2] + P2 [,3] + P2 [,4]) ## Residuals less [less == 1] = res1 more acf2(resid) ##预测值 less =(P [,1 ] <c) greater =(P [,1]> = c) less [less == 1] = fit1 greater [greater == 1] = fit2 flu.tar4.05 = setar(dflu,m = 4,thDelay = 0,th = .05)


通过拟合和诊断图显示上方和下方的最终模型.05 plot(flu.tar4.05)#cycles

如果我们没有为th选项提供阈值,则setar搜索网格以选择阈值(.036):

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/514305.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【洛谷算法题】P4414-[COCI2006-2007#2] ABC【入门2分支结构】Java题解

&#x1f468;‍&#x1f4bb;博客主页&#xff1a;花无缺 欢迎 点赞&#x1f44d; 收藏⭐ 留言&#x1f4dd; 加关注✅! 本文由 花无缺 原创 收录于专栏 【洛谷算法题】 文章目录 【洛谷算法题】P4414-[COCI2006-2007#2] ABC【入门2分支结构】Java题解&#x1f30f;题目描述&a…

EDAS微服务应用同城容灾最佳实践

简介&#xff1a; 大多数业务应用只要做到同城双活&#xff0c;就可以避免掉大多数数据中心不可用故障。本实践就是帮助大家高效、低成本地实现自己的业务应用具备同城双活容灾能力。 前言 上云目前已经是绝大数企业首选的IT基础设施建设方案&#xff0c;但是云上仍然存在一些…

脸书推出VR视频会议应用程序 正式跨出元宇宙第一步;三家公司新入选福布斯2021云计算百强榜;微软挖来亚马逊云业务顶级高管贝尔...

NEWS本周新闻回顾微软挖来亚马逊云业务顶级高管贝尔微软公司已经聘请亚马逊云业务高管查理贝尔担任其企业副总裁。鉴于微软的Azure 云业务正试图从亚马逊 AWS 手中争夺份额&#xff0c;这一挖角行动可以说是微软的一次胜利。在亚马逊前 AWS 主管安迪贾西被任命为亚马逊 CEO 后&…

三字经带拼音a4打印版_人教版八年级下册英语6单元重点单词带音标打印版

UNIT 6shoot [ʃu:t] v. 投篮&#xff0c;射击&#xff0c;发射stone [stəʊn] n. 石头weak [wi:k] adj. 虚弱的&#xff0c;柔弱的god [ɡɒd] n. 上帝&#xff0c;神remind [rɪmaɪnd] v. 提醒&#xff0c;使想起bit [bɪt] n. 一点&#xff0c;小块a little bit 有点儿&am…

拥抱云原生,Fluid结合JindoFS :阿里云OSS加速利器

简介&#xff1a; Fluid 是一个开源的 Kubernetes 原生的分布式数据集编排和加速引擎&#xff0c;主要服务于云原生场景下的数据密集型应用。在 Fluid 上使用和部署 JindoRuntime 实现数据集的可见性、弹性伸缩、数据迁移、计算加速等&#xff0c;并流程简单、兼容原生 k8s 环境…

【观点】传统企业如何在数字化时代实现进化?

简介&#xff1a; 我们看到的数字化的大多数场景集中于日常商业消费活动&#xff0c;背后其实是超越个体行为的场景变革。 究竟是谁在承载这个时代一步步走进数字化场景&#xff1f;又是谁通过数字化技术与解决方案帮助他们实现场景变革&#xff1f;这个过程是什么样的&#xf…

网易数帆发布轻舟低代码平台2.0,聚焦中等复杂度企业级应用

编辑 | 宋 慧 出品 | CSDN云计算 头图 | 轻舟低代码平台2.0发布会现场 8月26日&#xff0c;网易数帆正式发布轻舟低代码应用开发平台2.0版本&#xff08;以下简称“轻舟低代码平台”&#xff09;&#xff0c;以全新的可视化编程语言为特色&#xff0c;针对中等复杂度的企业级应…

宝塔 开启_宝塔面板安装完的一些列操作

前言新安装的宝塔会有很多地方需要配置&#xff0c;如果懂的大佬可以跳过&#xff0c;如果是小白可以按照辉哥的教程一步步操作&#xff0c;辉哥是以虚拟机进行操作的&#xff0c;但是服务器也是一样的道理&#xff01;安全入口因为现在使用宝塔面板的人数在激增。所以为了避免…

黑灰产攻击洪峰来袭,企业如何守住自己的钱袋子?

简介&#xff1a; 风控大考最佳实践 根据阿里云历史行业风险治理相关数据显示&#xff0c;未经风险管控的自然流量中&#xff0c;约三分之一比例属于疑似黑灰产的高风险行为&#xff1b;而在建立合理的风控指标监控体系并采取风险防控手段后&#xff0c;高风险用户比例下降至3%…

服务网格的最佳实践

简介&#xff1a; 服务网格是用于处理服务间通信的专用基础设施层。它负责通过包含现代云原生应用程序的复杂服务拓扑来可靠地传递请求。 微服务发展的这几年&#xff0c;新的技术和概念层出不穷&#xff0c;这些技术的引入本质上都是在围绕服务稳定性和业务开发效率提升&#…

高性能开发,别点,发际线要紧!

作者&#xff1a;轩辕之风O来源&#xff1a;编程技术宇宙-前言-程序员经常要面临的一个问题就是&#xff1a;如何提高程序性能&#xff1f;这篇文章&#xff0c;我们循序渐进&#xff0c;从内存、磁盘I/O、网络I/O、CPU、缓存、架构、算法等多层次递进&#xff0c;串联起高性能…

如何打造一个高性能的前端智能推理引擎

简介&#xff1a; 什么是前端智能推理引擎又该如何打造和应用呢&#xff1f; 什么是前端智能推理引擎 在前端智能推理引擎之前&#xff0c;我们先来说一下什么是”端智能”。 端智能&#xff08;On-Device Machine Learning&#xff09;是指把机器学习的应用放在端侧做。这里…

115配额怎么增加_笔电、平板接口少怎么办,ORICO八合一多功能扩展坞助你一臂之力...

现在笔记本电脑大多都往轻薄的外形上发展&#xff0c;保持性能的前提下可以增加移动的便捷性&#xff0c;但是弊端同样明显&#xff0c;那就是牺牲掉了一部分常用接口。比如我手上这部戴尔XPS&#xff0c;左右两侧加起来只有4个可怜的接口&#xff0c;其中还包括一个SD槽&#…

OpenYurt:延伸原生 Kubernetes 到边缘场景下的落地实践

简介&#xff1a; 随着云原生技术的逐步成熟&#xff0c;阿里云容器服务团队在具体落地实践过程中不断探索云原生技术的应用边界。同时随着物联网和 5G 的迅猛发展&#xff0c;传统的边缘计算架构已经不能满足业务发展的需要。 如何基于云原生技术构建新一代的边缘计算平台成为…

对象存储,为什么那么火?

作者|小枣君 来源|鲜枣课堂引言上期文章&#xff08;链接&#xff1a;关于存储技术的最强入门科普&#xff09;&#xff0c;小枣君给大家详细介绍了数据存储技术的基本知识&#xff0c;其中重点对DAS、SAN和NAS技术进行了对比分析。我们知道&#xff0c;在很长的一段时间里&…

使用react实现select_React笔记——核心概念:9.表单

1、受控组件在 React 中&#xff0c;可变状态(mutable state)通常保存在组件的 state 属性中&#xff0c;并且只能通过使用 setState()来更新。state&#xff1a;唯一数据源渲染表单的 React 组件还控制着用户输入过程中表单发生的操作。被 React 以这种方式控制取值的表单输入…

压测场景下的 TIME_WAIT 处理

简介&#xff1a; 压测场景下的 TIME_WAIT 处理 1. 序 某专有云项目具备压测场景&#xff0c;在Windows的压测机上用 LoadRunner 进行业务的压力测试&#xff0c;压测运行一段时间后出现大量端口无法分配的报错。 其实通过问题描述&#xff0c;以及 Windows的报错信息基本确定…

DataX在数据迁移中的应用

简介&#xff1a; DataX在数据迁移中的应用 1. DataX定义 首先简单介绍下datax是什么。 DataX是阿里巴巴集团内被广泛使用的离线数据同步工具/平台&#xff0c;实现包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、DRDS…

华为发布《绿色5G白皮书》,定义绿色5G网络八大技术方向

全球“碳达峰、碳中和”已成主流趋势&#xff0c;为了助力全球运营商绿色网络“双碳”行动计划的达成&#xff0c;在华为首届无线媒体沙龙上&#xff0c;华为无线网络SRAN产品线总裁马洪波发表了“绿色5G&#xff0c;E2四化八大方向&#xff0c;共赢双碳未来”主题演讲&#xf…

判断是否包含大写字符_Python最常用的数据类型中字符串基础函数使用知识点讲解...

字符串是 pthon 中最常用的数据类型。我们可以使用单引号、双引号或者三对单双引号来创建字符串。创建字符串很简单&#xff0c;只要为变量分配一个值即可。Python 的字符串有什么内建函数可以使用&#xff1f;len()方法返回对象(字符、列表、元组等)长度或项目个数。每个字符一…