12 我目前使用以下过程来引导R中的多元时间序列: 确定块大小-运行包中的函数b.star,该函数np将为每个系列生成块大小 选择最大块大小 tsboot使用选定的块大小在任何系列上运行 使用引导输出中的索引来重构多元时间序列 有人建议使用meboot软件包作为块引导程序的替代方法,但是由于我没有使用整个数据集来选择块大小,因此,我不确定如果要使用通过在运行meboot时创建的索引来保持序列之间的相关性。一个系列。如果有人在多变量环境下使用过meboot,我将不胜感激有关此过程的建议。 r time-series multivariate-analysis bootstrap — 可能模式 source
9 首先,我强烈建议最大熵引导程序(meboot)。我放弃了块引导程序而转而使用meboot,我对结果感到非常满意。该算法不以任何方式使用阻塞,它不需要平稳性,但是它包含了数据的相关结构。这很酷。 其次,虽然我承认我从未使用meboot进行过多变量引导,但我相信您可以将时间序列数据重播为面板数据,并使用meboot.pdata.frame函数执行本质上的多变量引导。 — 专利权人 source 我认为该功能是meboot.pdata.frame。 — ProbablePattern kes!谢谢,PP是的,我拼写了该函数,正确的名称是meboot.pdata.frame。不好意思。 — pteetor 2011年 我遇到了这个线程,并对ME引导程序感兴趣。稍微玩一下,我发现它复制了时间序列非常紧密-引导DGP的可变性并不大。进一步挖掘,我发现了Davidson撰写的以下论文,其中包括对ME Bootstrap的评论:www.monticini.eu/wp/rdavidson.pdf。不知道是否有任何反驳,但鉴于我自己的模拟结果,我会犹豫使用它。 — –generic_user @generic_user谢谢您的参考!我很感兴趣地阅读了它。我也已经注意到,在某些情况下,引导复制中缺乏可变性。我尚未确信,因此,ME引导程序永远无效。但是这篇论文是发人深省的。需要更多调查。 — pteetor's