R 预测与协变量 MARSS 包

Question

我用 R 的 MARSS 包编写了一个模型。

模型背后的主要思想是预测至少 10 个季度的可观察向量，但是我似乎无法使用 MARSSsimulate 函数来做到这一点（我相信这是因为包含了名为季节，在估计过程中）。非常感谢您的帮助。

提前致谢！

数据集可以下载here

我使用了以下代码

info        <- read.table("series_kalman2.txt",header=T,dec=".")
dat_est_spa <- t(info[,3:6])

Sigma <-  sqrt(apply(dat_est_spa, 1, var, na.rm=TRUE))
y.bar <-  apply(dat_est_spa, 1, mean, na.rm=TRUE)
dat.z <-  (dat_est_spa - y.bar) * (1/Sigma)
rownames(dat.z) = rownames(dat_est_spa)

N.ts <- dim(dat_est_spa)[1]

season <- rbind(rep(c(1,0,0,0),ceiling(dim(dat_est_spa)[2]/4)), 
                rep(c(0,1,0,0),ceiling(dim(dat_est_spa)[2]/4)), 
                rep(c(0,0,1,0),ceiling(dim(dat_est_spa)[2]/4)),
                rep(c(0,0,0,1),ceiling(dim(dat_est_spa)[2]/4)))

rownames(season) <- c("Q1","Q2","Q3","Q4")

season <- season[,-((dim(dat_est_spa)[2]+1):dim(season)[2])]

### Model

cntl.list = list(minit=200, maxit=60000, allow.degen=FALSE)
mod_est_spa   <- list(A="zero", R="diagonal and equal", m=3)
estim_est_spa <- MARSS(dat.z, model=mod_est_spa, control=cntl.list, 
                       form="dfa", covariates=season)

### Forecast

MARSSsimulate(estim_est_spa, tSteps = 10)

Answer 1

我无法从链接站点下载数据文件 "permission denied"。

无论如何，你是正确的，因为包含 season 协变量将排除 MARSSsimulate() 的使用，但你确实有另一个选项，但有一个很大的警告。

您正在用 3 个潜在趋势拟合 DFA 模型，它们本身只是无偏随机游走。因此，您可以通过从具有均值向量

的多元正态中绘制创新来轻松模拟随机游走

mu = matrix(0, m, 1)

和方差-协方差矩阵

Sigma = coef(estim_est_spa, "matrix")$Q.

您可以获得最后一个时间步 T 的估计状态，这将是您预测状态的起始位置

X_T = estim_est_spa$states[,dim(dat_est_spa)[2]].

负载是

Z = coef(estim_est_spa, "matrix")$Q,

需要旋转。有关矩阵数学，请参阅 MARSS User's Guide 中的 DFA 示例。

但是请注意，使用 DFA 模型进行预测不太可能很有希望，因为潜在趋势是随机游走，这通常会产生非常糟糕的预测模型。

R 预测与协变量 MARSS 包

R Forecasting with covariates MARSS package

r

forecasting

state-space