延迟订单选择多元时间序列模型使用递归编程
9的观点(30天)
显示旧的评论
嗨。我试图创建一个递归函数运行一个模型比较程序并选择最优滞后阶使用信息标准(只有BIC为简单起见)时间序列模型与滞后(又名ADL),但它确实对于多个RHS变量(我将称之为X,但我还将包括自回归计算)。
1。变量的情况下:
lagordersim_1hp ()
举个例子,最简单的例子是有一个变量X,我想选择最优数量的滞后(p *)。落后于存储在矩阵Xsel即Xsel = [L1X L2X]。其他任何变量,我们希望包含在所有的竞争模型,放置在Xfix。然后,模型选择过程运行在Xsel为每个单独的滞后,添加一次。
- y在Xfix L1X
- y在Xfix L1X L2X
或者使用变量Xsel:
- y在Xfix Xsel (: 1:1)
- y在Xfix Xsel (: 1:2)
我已经创建了一个简单的函数来选择最优滞后变量的情况。输出“ordr”和“minval”最优(p *)和相应的BIC,分别。
%进行一些数据。
y =兰德(50,1);
Xsel = lagmatrix(兰德(55岁,1),1:4);
Xsel = Xsel(6:最后,);
Xfix = 1 (50, 1);%拦截
[ordr, minval] = lagordersim_1hp (y, Xfix, Xsel);
2。Mutlivariate情况:
lagordersim ()
在递归程序,我把问题分解成变量的情况。假设3变量,我想找到最优顺序,然后问题是简化变量的情况下通过保持一个变量Xsel(——最后一个,即X3)和添加其余变量的滞后Xfix (X1, X2等)一个接一个。
我的结构函数,如下:
Xsel
现在是一个Nv-by-1单元阵列包含在每一个细胞每一个园艺学会我们要优化滞后变量(如。
Xsel = {X1, X2, X3}
)。
%进行一些数据。
清晰的
兰德(y = 60, 1);
X1 = lagmatrix (y, 1:2);% AR条款
X2 = lagmatrix(兰德(60,1),1:3);
X3 = lagmatrix(兰德(60,1),1:4);
idx = ~任何(isnan ([y (X1, X2) X3]), 2);
y = y (idx);X1 = X1 (idx:);X2 = X2 (idx:);X3 = X3 (idx:);
Xsel = {X1, X2, X3};
Xfix = 1(长度(y), 1);
清晰的idx
[ordr, minval] = lagordersim (y, Xfix Xsel)% 3变量的情况下
[ordr, minval] = lagordersim (y, Xfix, Xsel (1:2))% 2变量的情况下
注意:你可以找到
lagordersim_1hp ()
作为一个内部的子功能
lagordersim ()
,如果你想使用它。然而,使用
lagordersim (y, Xsel, Xfix)
与
Xsel
作为一个(TxP)矩阵,而不是单元阵列,将有效地返回相同的结果
lagordersim_1hp (y, Xsel, Xfix)
。例如:
[ordr, minval] = lagordersim (y, Xfix, Xsel (1))% 1变量情况下
要解决的问题
我确信我的函数检查所有的情况下,但我不确定如何跟踪所有的迭代,以及如何返回2最终结果:
- 最优的订单Nv变量Xsel。这应该是一个Nv标量的细胞,或Nv向量,包含:ordr = [p1 * p2 * p3 *]。
- 最低BIC
最后一个模型应该形成:y在Xfix X1 (:, 1: p1 *) X2 (:, 1: p2 *) X3 (:, 1: p3 *)
