Questions tagged «intervention-analysis»

3
ARIMA干预传递函数-如何可视化效果
我有一个干预措施的每月时间序列,我想量化此干预措施对结果的影响。我意识到该系列非常短,效果尚未得出结论。 数据 cds <- structure(c(2580L, 2263L, 3679L, 3461L, 3645L, 3716L, 3955L, 3362L, 2637L, 2524L, 2084L, 2031L, 2256L, 2401L, 3253L, 2881L, 2555L, 2585L, 3015L, 2608L, 3676L, 5763L, 4626L, 3848L, 4523L, 4186L, 4070L, 4000L, 3498L), .Dim=c(29L, 1L), .Dimnames=list(NULL, "CD"), .Tsp=c(2012, 2014.33333333333, 12), class="ts") 方法论 1)该auto.arima功能使用了干预前系列(直到2013年10月)。建议的模型为ARIMA(1,0,0),均值非零。ACF图看起来不错。 pre <- window(cds, start=c(2012, 01), end=c(2013, 09)) …

3
多维时间序列的干预分析
我想进行一次干预分析,以量化关于一段时间内酒精销售的政策决定的结果。但是,我对时间序列分析还很陌生,所以我有一些初学者的问题。 对文献的检查表明,其他研究人员已使用ARIMA来模拟酒精的时间序列销售,并使用虚拟变量作为回归因子来模拟干预效果。尽管这似乎是一种合理的方法,但是我的数据集比文献中介绍的数据集要稍微丰富一些。首先,我的数据集按饮料类型(即啤酒,葡萄酒,烈酒)分类,然后再按地理区域分类。 虽然我可以为每个分类的组分别创建ARIMA分析,然后比较结果,但我怀疑这里有更好的方法。谁能更熟悉多维时间序列数据,有人可以提出建议或建议吗?

2
干预与差异
例如,如此处讨论的那样,当使用时间序列数据(也称为“中断时间序列”)进行干预分析时,我的一项要求是估算由于干预导致的总收益(或损失),即获得或损失的单位数(Y变量) )。 我不完全了解如何使用R中的过滤器函数来估计干预函数,而是以蛮力的方式进行了研究,希望它能够在任何情况下都能通用。 假设给定数据 cds<- structure(c(2580L, 2263L, 3679L, 3461L, 3645L, 3716L, 3955L, 3362L, 2637L, 2524L, 2084L, 2031L, 2256L, 2401L, 3253L, 2881L, 2555L, 2585L, 3015L, 2608L, 3676L, 5763L, 4626L, 3848L, 4523L, 4186L, 4070L, 4000L, 3498L), .Dim = c(29L, 1L), .Dimnames = list( NULL, "CD"), .Tsp = c(2012, 2014.33333333333, 12), class = …
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.