使用协变量 MARSS 包进行 R 预测答案

【问题标题】：R Forecasting with covariates MARSS package使用协变量 MARSS 包进行 R 预测
【发布时间】：2016-01-28 23:59:33
【问题描述】：

我已经用 MARSS 包为 R 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的外生向量，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)

【问题讨论】：

标签： r forecasting state-space

【解决方案1】：

我无法从链接站点下载数据文件，因为它显示“权限被拒绝”。

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

您正在拟合具有 3 个潜在趋势的 DFA 模型，这些趋势本身只是无偏随机游走。因此，您可以通过从具有平均向量的多元法线中提取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.

您可以获得上一个时间步 T 的估计状态，这将是您预测状态的起点

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 模型进行预测的可能性不大，因为潜在趋势是随机游走，这通常会生成非常糟糕的预测模型。

【讨论】：