R и EViews различия в оценках AR (1)

Основная проблема : я не могу получить аналогичные оценки параметров с EViews и R.

По причинам, которые я сам не знаю, мне нужно оценить параметры для определенных данных, используя EViews. Это делается путем выбора опции NLS (нелинейные наименьшие квадраты) и использования следующей формулы:indep_var c dep_var ar(1)

EViews утверждает, что они оценивают линейные процессы AR (1), такие как: где ошибки определены как: , используя эквивалентный уравнение (с некоторыми алгебраическими заменами): Кроме того, этот поток более на форумах EViews предполагает, что их оценки NLS генерируются алгоритмом Марквардта.

Y_{T} знак равно α + β {Икс}_{T} + U_{T}

$Y_t = \alpha + \beta X_t + u_t$

u_{t}

$u_t$

U_{T} знак равно ρ \cdot U_{T - 1} + ε

$u_t = \rho \cdot u_{t-1} + \varepsilon$

Y_{T} знак равно (1 - ρ) α + ρ Y_{T - 1} + β {Икс}_{T} - ρ β {Икс}_{T - 1} + ε_{T}

$Y_t = (1 - \rho) \alpha + \rho Y_{t - 1} + \beta X_t - \rho \beta X_{t - 1} + \varepsilon_t$

Теперь функция перехода к R для оценки процессов AR (1) имеет вид arima. Однако есть две проблемы:

оценки являются оценками максимального правдоподобия;
оценка перехвата фактически не является оценкой перехвата (в соответствии с RH Shumway & DS Stoffer).

Поэтому я обратился к nlsLMфункции из пакета minpack.lm. Эта функция использует алгоритм Марквардта для получения нелинейных оценок наименьших квадратов, которые должны давать те же результаты, что и реализация EViews (или, по крайней мере, очень похожие).

Теперь код. У меня есть data frame ( data) с независимой переменной и зависимой переменной, такой как сгенерированная следующим кодом:

data <- data.frame(independent = abs(rnorm(48)), dependent = abs(rnorm(48)))

Чтобы оценить параметры в уравнении, которое EViews утверждает для оценки (3- ^й на этом посте), я использую следующие команды:

library(minpack.lm)
result <-
nlsLM(dependentB ~ ((1 - theta1) * theta2) + (theta1 * dependentA) +
                    (theta3 * independentB) - (theta1 * theta3 * independentA),
data = list(dependentB = data$dependent[2:48], dependentA = data$dependent[1:47],
   independentB = data$independent[2:48], independentA = data$independent[1:47]),
start = list(theta1 = -10, theta2 = -10, theta3 = -10)
)

К сожалению, оценки, полученные с помощью nlsLM, не близки к тем, которые выводит EViews. У вас есть идеи, что может быть причиной этого? Или, может быть, мой код неверен?

Наконец, я хотел бы сказать, что я лично являюсь пользователем R - именно поэтому я пытаюсь сделать это в R вместо EViews. Я также хотел бы предоставить вам данные, с которыми я работаю, но это невозможно, поскольку это конфиденциальные данные.

r autoregressive software

— Фаель
источник

Добро пожаловать на сайт, @Fael. +1 за понятный вопрос. Я позволил себе немного изменить форматирование, чтобы сделать его чище. Пожалуйста, убедитесь, что он по-прежнему говорит, что вы хотите.

— gung - Восстановить Монику

Вау, это было очень мило с твоей стороны. Большое спасибо, @gung!

— Fael

Вы всегда можете масштабировать / кодировать данные и публиковать их. Преобразование формы [(y-constant1) / constant2] сделает свое дело.

— IrishStat

Кстати: параметры линейных процессов могут быть оценены через OLS.

— Germaniawerks

Ваш NLLS имеет четыре условия ортогональности, по одному на переменную плюс константа (аналог нормальных уравнений в стандартном OLS) для определения трех параметров ( ). Нелинейные алгоритмы часто имеют гетерогенные конфигурации для параметров допуска в разных программах. Могу ли я предложить вам из уравнения, чтобы получить точно идентифицированную систему, а затем проверить Eviews против R? если оба согласны, это, вероятно, означает, что у одного из них есть проблемы с переоценкой. $\rho, \beta, \alpha$ $X_{t-1}$

— JDav
источник