[R-br] =?UTF-8?Q?_Par=C3=A2metros?=_=?UTF-8?Q?modelo_de_regress=C3?==?UTF-8?Q?=A3o_din=C3=A2mico?=

Fatima do Nascimento Silva fatima em ccet.ufrn.br
Terça Setembro 30 09:39:42 BRT 2014


Olá Humberto,

Mas neste caso eu teria que ajustar outro modelo ou no forecast uso o mesmo modelo e 
especifico apenas os novos dados??


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

---------- Original Message -----------
From: Humberto Hazin <hghazin em hotmail.com>
To: "r-br em listas.c3sl.ufpr.br" <r-br em listas.c3sl.ufpr.br>
Sent: Mon, 29 Sep 2014 23:51:40 -0300
Subject: Re: [R-br] Parâmetros_modelo de regressão dinâmico

> 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.
> _______________________________________________
> 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.
------- End of Original Message -------



Mais detalhes sobre a lista de discussão R-br