Farklılıklara Müdahale

Burada tartışıldığı gibi zaman serisi verileri (diğer bir deyişle Kesintili Zaman serileri) ile bir müdahale analizi yaparken, bir gereklilikim, müdahale nedeniyle toplam kazancı (veya kaybı) tahmin etmektir - yani kazanılan veya kaybedilen birimlerin sayısı (Y değişkeni) ).

R içinde bir filtre fonksiyonu kullanarak müdahale fonksiyonunu nasıl tahmin edeceğimi tam olarak anlamadım, bunun herhangi bir durumda çalışmak için yeterince genel olduğunu umarak kaba bir kuvvetle devam ettim.

Diyelim ki veriler verildiğinde

 cds<- structure(c(2580L, 2263L, 3679L, 3461L, 3645L, 3716L, 3955L, 
    3362L, 2637L, 2524L, 2084L, 2031L, 2256L, 2401L, 3253L, 2881L, 
    2555L, 2585L, 3015L, 2608L, 3676L, 5763L, 4626L, 3848L, 4523L, 
    4186L, 4070L, 4000L, 3498L), .Dim = c(29L, 1L), .Dimnames = list(
        NULL, "CD"), .Tsp = c(2012, 2014.33333333333, 12), class = "ts")

Müdahale fonksiyonu ile en uygun modelin aşağıdaki gibi olduğuna karar veriyoruz.

X$m_t= \frac{\omega_0}{(1-\delta B)}X_t$ ; burada , Ekim 2013'te bir darbe.$X_t$

fit4 <- arimax(log(cds), order = c(1,1,0),include.mean=FALSE, 
               xtransf = data.frame(Oct13 = 1*(seq_along(cds)==22)),
               transfer = list(c(1,0))
               ,xreg=1*(seq_along(cds)==3))
fit4

#    ARIMA(1,1,0)                    

#    Coefficients:
#              ar1    xreg  Oct13-AR1  Oct13-MA0
#          -0.0184  0.2718     0.4295     0.4392
#    s.e.   0.2124  0.1072     0.3589     0.1485

#    sigma^2 estimated as 0.02176:  log likelihood=13.85
#    AIC=-19.71   AICc=-16.98   BIC=-13.05

İki sorum var:

1) ARIMA hatalarını farklılaştırmış olsak da, o zaman farklı serisini kullanarak teknik olarak uygun olan müdahale fonksiyonunu değerlendirmek için veya tahminini "değiştirmek" için yapmamız gereken herhangi bir şey var kullanmasını üzere ?ω 0 δ ▽ X t X $\bigtriangledown X_t$$\omega_0$$\delta$$\bigtriangledown X_t$$X_t$

2) Bu doğru mu: Müdahalenin kazancını belirlemek için, müdahalesini parametrelerden oluşturdum. Bir kez sonra log fit4 (exp () günlüğü tersine) için takılan değerleri exp (takılan değerler eksi ) karşılaştırmak ve gözlemlenen süre zarfında, müdahale 3342.37 ekstra birimleri sonuçlandı belirlemek.m t m $m_t$$m_t$$m_t$

Genel olarak bir müdahale analizinden elde edilen kazancı belirlemek için bu süreç doğru mu?

    int_vect1<-1*(seq_along(cds)==22)
    wo<- 0.4392
    delta<-0.4295


    mt<-rep(0,length(int_vect1))

    for (i in 1:length(int_vect1))
    {

      if (i>1)
      {
        mt[i]<-wo*int_vect1[i]+delta*mt[i-1]
      }

    }


    mt

sum(exp(fitted(fit4)) - (exp(fitted(fit4) - mt)))

Bunun oyuncak örneği olduğunu varsayarsak:

İlk sorunuzu cevaplamak için:

1) ARIMA hatalarını farklılaştırmış olsak da, series0 veya δ tahmininin change0 veya δ kullanımından tahminini "geri almak" için gereken her şey var. Xt - Xt?

Ne zaman fark veri, sen gerektiği fark yanıt / müdahale değişkenleri. Modelden sonra farkı (dönüştürdüğünüzde) geri döndüğünüzde, bu otomatik olarak farklılığa dikkat eder ** Kullandığınızda bunun çok kolay olduğunu biliyorum SAS Proc ARIMA. Bunu nasıl yapacağımı bilmiyorum R.

İkinci soru:

2) Doğru mu: Müdahalenin kazancını belirlemek için müdahale parametrelerini mt'dan yaptım. Bir kez mt'um olduğunda, fit4 modelini (log (tersine çevirmek için exp ()) ile exp'i (fit değerleri eksi mt) karşılaştırır ve gözlemlenen süre zarfında müdahalenin 3342.37 ekstra birim ile sonuçlandığını tespit ederim.

Müdahalede kazanç elde etmek için üs almanız ve daha sonra -1 çıkarmanız gerekir, bu oran veya artımlı etki verecektir. Bunu sizin durumunuzda göstermek için aşağıya bakın. İlk ay için etki, orijinal satışların% 55'i oldu ve hızla bozuldu. Cumulativelt, 4580 adet artımlı etkiye sahiptir (13 Ekim - Şubat 2014 arasında. ( Delurgio P: 518 tarafından Tahmin Prensibi ve Uygulamalarına atıfta bulunmuştum ). Müdahale analizi hakkında çok hacimli bir bölüm var).

Birisi lütfen bu metodolojinin doğru olup olmadığını düzeltin?

Darbe müdahalesi + çürümesi bu durumda açıkça yeterli değildir, aşağıdaki şemada (e) gösterildiği gibi Box ve Tiao tarafından klasik kağıttan olan bir darbe + kalıcı seviye kaydırma yapacağım .

@forecaster AUTOBOX'un 29 değer kullanarak 3 aykırı değer tanımlamasına izin verdikten sonra (y deneyiminde uygunsuz değil) ve burada bir model bulundu . Kalan acf grafiği, az belirtilen bir model önermez . Fiili / Fit / Tahmin grafiği Fit / Tahmin ile birlikte . Tahminci daha önce (doğru olarak) yaklaşık 1.0'lik bir payda katsayısı getirildiğinde bir darbe değişkeninin bir seviye / adım değişkenine nasıl dönüşebileceğini söylemişti. İki seviye kayması (en sonuncusu 9/2013'te başlayan) ve 10/2013'te bir nabız bulurken, model daha net bir resim sunar. Nabzın 10/13'teki etkisi açısından, sadece katsayı değeridir. HTH