[R-br] Parâmetros_modelo de regressão dinâmico

[Humberto Hazin]

ola fatima, 

nunca trabalhei com esse pacote geralmente uso o glm e gams e suas variações. voce nao poderia retirar aleatoriamente uma amostra desse banco de dados e ai ponderar por 7 o valor da temperatura e usar o predict ou no teu caso forecast (modelo, new data ponderado)? 

vi que eras da ufrn. eu sou da ufersa na area de pesca
 humberto


Enviado do meu iPhone

> Em 29/09/2014, às 20:28, Fatima do Nascimento Silva <fatima em ccet.ufrn.br> escreveu:
> 
> olá caros colegas, boa noite!
> 
> estou ajustando um modelo de regressão dinâmico e preciso ponderar o vetor 
> de parâmetros beta 2 (b2) por 7, que representaria um aumento de 7° na 
> variável temperatura. E depois faria as previsões inserindo estes novos 
> valores de b2 no calculo dos valores ajustados.
> 
> Alguém poderia me dar uma dica de como alterar isso no R?
> 
> segue os comandos utilizados.
> 
> desde já agradeço a atenção.
> 
> ponderar o beta 2 (L(Temperatura, 1) = -4.8725) por 7.
> 
> caso possa me ajudar com alguma sugestão agradeço muito.
> 
> 
> #Comandos (CMR)
> rm(list=ls(all=TRUE))
> 
> #pacotes utilizados
> 
> require(dynlm)
> require(tseries) 
> require(car) 
> require(verification) 
> require(MASS)
> require(forecast)
> require(TSA)
> require(nortest)
> 
> ##################################################################
> 
> (dados=read.table(file="BDAC.txt",header=T,dec=","))
> attach(dados)
> (dados1<-ts(dados,frequency=12, start=c(2000,1),end=c(2010,12)))
> 
> 
> #modelo ajustado
> MOD1 <- 
> dynlm(BEAI~trend(BEAI)+season(BEAI)+L(Temperatura,1)+L(Poluente,3),data = 
> dados1 )
> summary(MOD1)
> par(mfrow = c(2,2))
> plot(MOD1,  main="")
> 
> names(MOD1) #lista de objetos do modelo
> 
> 
> #previsões
> p<-(forecast(MOD1$fitted.values, h=12, level=c(80,95), fan=FALSE))
> plot(p)
> 
> 
> #saída do modelo
>> summary(MOD1)
> 
> Time series regression with "ts" data:
> Start = 2000(4), End = 2010(12)
> 
> Call:
> dynlm(formula = BEAI ~ trend(BEAI) + season(BEAI) + L(Temperatura, 
>    1) + L(Poluente, 3), data = dados1)
> 
> Residuals:
>    Min      1Q  Median      3Q     Max 
> -42.946 -13.816  -1.482  12.327  80.586 
> 
> Coefficients:
>                  Estimate Std. Error t value Pr(>|t|)    
> (Intercept)       263.2442    45.6925   5.761 7.21e-08 ***
> trend(BEAI)         0.4470     0.6201   0.721  0.47241    
> season(BEAI)Feb   -19.3407     9.5712  -2.021  0.04565 *  
> season(BEAI)Mar     9.0604     9.6612   0.938  0.35032    
> season(BEAI)Apr     5.1280     9.4526   0.543  0.58853    
> season(BEAI)May    25.2990     9.6410   2.624  0.00988 ** 
> season(BEAI)Jun    35.7033    11.7395   3.041  0.00292 ** 
> season(BEAI)Jul    30.0824    11.3742   2.645  0.00933 ** 
> season(BEAI)Aug    19.1968    11.9829   1.602  0.11192    
> season(BEAI)Sep     4.6108    10.3265   0.447  0.65608    
> season(BEAI)Oct     3.7939    10.4920   0.362  0.71832    
> season(BEAI)Nov    -1.3031     9.4690  -0.138  0.89078    
> season(BEAI)Dec    -7.6315     9.4334  -0.809  0.42020    
> L(Temperatura, 1)  -4.8725     1.5284  -3.188  0.00185 ** 
> L(Poluente, 3)      2.6678     0.8455   3.155  0.00205 ** 
> ---
> Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> 
> Residual standard error: 21.34 on 114 degrees of freedom
> Multiple R-squared:  0.618,     Adjusted R-squared:  0.5711 
> F-statistic: 13.17 on 14 and 114 DF,  p-value: < 2.2e-16
> 
> 
> 
> Atenciosamente,
> 
> Fátima Nascimento
> Estatística - CONRE nº 9439
> Mestre em Ciência e Engª de Petróleo-PPGCEP/UFRN
> Doutoranda no Programa de Pós-Graduação em Ciência e Engª de Petróleo-
> PPGCEP/UFRN
> 
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.