Preguntas etiquetadas con time-series

Jugué con algunas pruebas de raíz unitaria en R y no estoy completamente seguro de qué hacer con el parámetro k lag. Utilicé la prueba aumentada de Dickey Fuller y la prueba de Philipps Perron del paquete tseries . Obviamente, el parámetro predeterminado (para ) depende solo de la longitud …

15 r  time-series  trend 

Estoy analizando un conjunto de datos utilizando un modelo de efectos mixtos con un efecto fijo (condición) y dos efectos aleatorios (participante debido al diseño del sujeto y al par). El modelo se ha generado con el lme4paquete: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). A continuación, realicé una prueba de razón de probabilidad de este …

15 r  repeated-measures  multiple-comparisons  post-hoc  lsmeans  bayesian  posterior  marginal  integral  anova  time-series  regularization  machine-learning  pca  computational-statistics  references  inference  regression  cross-validation  python  random-forest  chi-squared  spearman-rho  r  machine-learning  confidence-interval  bagging  clustering  feature-selection  model-selection  bic  hypothesis-testing  kurtosis  r  regression  residuals  terminology 

Así que tracé el ACF / PACF de los retornos de petróleo y esperaba ver una autocorrelación positiva, pero para mi sorpresa, solo obtengo una autocorrelación negativa significativa. ¿Cómo debo interpretar el gráfico anterior? Parecen indicar que existe una tendencia a que los retornos de petróleo aumenten cuando disminuyeron previamente …

15 time-series 

Tengo un conjunto de datos que incluye la demanda de varios productos (1200 productos) durante 25 períodos y necesito predecir la demanda de cada producto para el próximo período. Al principio, quería usar ARIMA y entrenar un modelo para cada producto, pero debido a la cantidad de productos y el …

14 machine-learning  time-series  arima 

Puede ser una pregunta extraña, pero como novato en el tema, me pregunto por qué usamos la regresión para detener una serie de tiempo si una de las suposiciones de la regresión es que los datos deberían aplicarse, mientras que los datos en los que se aplica la regresión son …

14 regression  time-series  trend  iid 

En una red neuronal recurrente, generalmente reenviaría la propagación a través de varios pasos de tiempo, "desenrollaría" la red y luego la propagación hacia atrás a través de la secuencia de entradas. ¿Por qué no simplemente actualizar los pesos después de cada paso individual en la secuencia? (el equivalente a …

14 time-series  neural-networks  backpropagation  rnn 

Esta pregunta puede ser muy ingenua, pero la forma en que me enseñan econometría me confunde mucho si hay una diferencia entre las series de tiempo y el método de datos de panel. Con respecto a las series de tiempo, he cubierto temas como la covarianza estacionaria, AR, MA, etc. …

14 time-series  econometrics  panel-data 

No parece haber una forma estándar de tratar los datos faltantes en el contexto de la familia de modelos de suavizado exponencial. En particular, la implementación de R llamada ets en el paquete de pronóstico parece tomar la subsecuencia más larga sin datos faltantes, y el libro "Pronóstico con suavizado …

14 time-series  forecasting  missing-data 

He estado tratando de resolver este problema durante más de un año sin mucho progreso. Es parte de un proyecto de investigación que estoy haciendo, pero lo ilustraré con un ejemplo de historia que inventé, porque el dominio real del problema es un poco confuso (seguimiento ocular). Usted es un …

14 time-series  machine-learning  prediction 

En la investigación de la econometría financiera, es muy común investigar las relaciones entre series de tiempo financieras que toman la forma de datos diarios . La variable a menudo se convertirá en tomando la diferencia logarítmica, por ejemplo; ln ( P t ) - ln ( P t - …

14 time-series  econometrics  finance  macroeconomics  unevenly-spaced-time-series 

Recientemente estaba buscando formas de volver a muestrear series temporales, de manera que Preservar aproximadamente la autocorrelación de los procesos de memoria larga. Preservar el dominio de las observaciones (por ejemplo, una serie de enteros de muestras repetidas sigue siendo una serie de enteros). Puede afectar solo algunas escalas, si …

14 time-series  bootstrap  resampling  permutation-test 

Quiero ejecutar una regresión logística binaria para modelar la presencia o ausencia de conflicto (variable dependiente) a partir de un conjunto de variables independientes durante un período de 10 años (1997-2006), y cada año tiene 107 observaciones. Mis independientes son: degradación de la tierra (categórica para 2 tipos de degradación); …

14 regression  time-series  logistic  spatial  ecology 

Estoy tratando de comprender la medida dinámica de deformación del tiempo para comparar series de tiempo juntas. Tengo tres series de datos de series de tiempo como esta: T1 <- structure(c(0.000213652387565, 0.000535045478866, 0, 0, 0.000219346347883, 0.000359669104424, 0.000269469145783, 0.00016051364366, 0.000181950509461, 0.000385579332948, 0.00078170803205, 0.000747244535774, 0, 0.000622858922454, 0.000689084895259, 0.000487983408564, 0.000224744353298, 0.000416449765747, 0.000308388157895, 0.000198906016907, …

14 r  time-series  clustering 

En el análisis de datos de panel, he utilizado modelos de varios niveles con efectos aleatorios / mixtos para tratar problemas de autocorrelación (es decir, las observaciones se agrupan dentro de los individuos a lo largo del tiempo) con otros parámetros agregados para ajustar algunas especificaciones de tiempo y choques …

14 time-series  mixed-model  arima  multilevel-analysis 

El procedimiento de selección del modelo de Box-Jenkins en el análisis de series de tiempo comienza observando las funciones de autocorrelación y autocorrelación parcial de la serie. Estas gráficas pueden sugerir la y q apropiadas en un modelo ARMA ( p , q ) . El procedimiento continúa solicitando al …

14 regression  time-series  arima  model-selection  box-jenkins