Java：时间序列普通最小二乘法答案

【问题标题】：Java: Time Series Ordinary Least SquaresJava：时间序列普通最小二乘法
【发布时间】：2015-04-13 08:17:41
【问题描述】：

我在使用 Apache Commons 数学库的 OLS 方面遇到了一些问题。我有一个时间序列 y，我想将最小二乘趋势线拟合到前 26 个观察值。这是我的代码：

List<Double> y = new ArrayList<>(Arrays.asList(206.0, 245.0,
                185.0, 169.0, 162.0, 177.0, 207.0, 216.0, 193.0, 230.0, 212.0,
                192.0, 162.0, 189.0, 244.0, 209.0, 207.0, 211.0, 210.0, 173.0,
                194.0, 234.0, 156.0, 206.0, 188.0, 162.0, 172.0, 210.0, 205.0,
                244.0, 218.0, 182.0, 206.0, 211.0, 273.0, 248.0, 262.0, 258.0,
                233.0, 255.0, 303.0, 282.0, 291.0, 280.0, 255.0, 312.0, 296.0,
                307.0, 281.0, 308.0, 280.0, 345.0));

OLSMultipleLinearRegression ols = new OLSMultipleLinearRegression();
        int obs = y.size()/2;

int vars = 1;

        double data[] = new Utils().toArray(y);

        try {
            ols.newSampleData(data, obs, vars); // 3
        }
        catch(IllegalArgumentException e) {
            System.out.print("Can't sample data: ");
            e.printStackTrace();
        }

        double[] coe = null;
        try {
            coe = ols.estimateRegressionParameters(); // 4
        } catch(Exception e) { // 5
            System.out.print("Can't estimate parameters: ");
            e.printStackTrace();
        }

我得到的结果是：

coe[0] = 58.3379729430363 
coe[1] = 0.7075495794353521

但是，结果应该是（参见屏幕截图）：

coe[0] = 202.6246154
coe[1] = -0.368205128

谁能帮我解决这个问题？

【问题讨论】：

标签： java time-series regression mathematical-optimization least-squares

【解决方案1】：

请仔细阅读文档。您调用的方法是将数据数组的偶数索引处的值解释为观察值，将奇数索引处的值解释为预测变量值。

http://commons.apache.org/proper/commons-math/apidocs/org/apache/commons/math4/stat/regression/OLSMultipleLinearRegression.html#newSampleData-double:A-int-int-

我同意这是非常不直观的，我个人会避免使用这种令人困惑的方法。

看起来您想要做的是将 x[0:25] 拟合到一个时间变量，时间从 1 开始。为此，我将创建一个大小为 26 的数组，创建一个从 i = 开始的 for 循环0，并为第 i 个索引分配值 (i + 1.0)。从那里您可以使用 SimpleRegression 类。 http://commons.apache.org/proper/commons-math/apidocs/org/apache/commons/math4/stat/regression/SimpleRegression.html

【讨论】：