R中的MCMC Changepoint模型答案

【问题标题】：MCMC Changepoint model in RR中的MCMC Changepoint模型
【发布时间】：2020-11-21 07:50:26
【问题描述】：

我想运行 MCMC 线性高斯多变点模型来检测时间序列连续值向量的变点。p>

在此过程中，我正在考虑使用 MCMCregressChange 函数，但我在这里有几个问题：

(1) 如何获得这些模型的对数边际似然？

(2) MCMCregressChange 函数和 MCMCresidualBreakAnalysis 函数有什么区别？

R 脚本如下所示。如果您能帮我解决这个问题，我将非常高兴。

library(MCMCpack)
set.seed(1234)
n <- 100
x1 <- runif(n, min = 0, max  = 1)
x2 <- runif(n, min = 1, max  = 2)
X <- c(x1,x2)

B0 <- 0.1
sigma.mu=sd(X)
sigma.var=var(X)

model0 <- MCMCregressChange(X ~ 1, m=0, b0=mean(X),   mcmc=100, burnin=100, verbose = 1000,
                                   sigma.mu=sigma.mu, sigma.var=sigma.var, marginal.likelihood="Chib95")
model1 <- MCMCregressChange(X ~ 1, m=1, b0=mean(X),   mcmc=100, burnin=100, verbose = 1000,
                                   sigma.mu=sigma.mu, sigma.var=sigma.var, marginal.likelihood="Chib95")
model2 <- MCMCregressChange(X ~ 1, m=2, b0=mean(X),   mcmc=100, burnin=100, verbose = 1000,
                                   sigma.mu=sigma.mu, sigma.var=sigma.var, marginal.likelihood="Chib95")

print(BayesFactor(model0, model1, model2))

plotState(model0)
plotChangepoint(model0)

plotState(model1)
plotChangepoint(model1)

plotState(model2)
plotChangepoint(model2)

【问题讨论】：

标签： r time-series bayesian montecarlo markov-chains

【解决方案1】：

the documentation 的“Value”小节描述了MCMCregressChange 返回的内容，说明模型的对数边际似然存储在属性logmarglike 中。因此，它可以像这样访问

attr(model1, "logmarglike")

在代码中运行该行时也会报出这些属性值：

print(BayesFactor(model0, model1, model2))

关于模型的区别，MCMCresidualBreakAnalysis 是MCMCregressChange 的一个特例，即X 是单变量的。事实上，MCMCregressChange 的代码检查X 中的列数是否为一，如果是，则将输入参数重新格式化为对MCMCresidualBreakAnalysis 的调用。由于后者也没有特定的附加参数，因此知道MCMCregressChange 更通用，都应该需要使用。

在MCMCresidualBreakAnalysis 描述中强调这一点：

“代码主要是为testpanelSubjectBreak内部使用而编写的。”

也就是说，虽然它是一个导出函数，但它主要是一个源自特定用例的便利函数。

【讨论】：