[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 13:28:50 BRT 2014
olá Humberto,
soube a pouco que poderia resolver o meu problema da seguinte forma:
como quero ponderar apenas o b2 por 7 de após esta operação ajustar um
modelo aos dados, devo utilizar o comando I(7*L(Temperatura,1)) no modelo
especificado no R. Ficaria assim:
> MOD1 <-dynlm(BEAI~trend(BEAI)+season(BEAI)+I(7*L(Temperatura,1)
> )+L(Poluente,3),data = dados1)
>
Veja abaixo que os outros parâmetros se mantiveram fixos e apenas o b2,
que era de -4,87, alterou para -0,69. O que era esperado.
Mas o seu comando também deu certo, e faz sentido. Será outra opção para
minha análises.
Desde já agradeço sua a tenção e disponibilidade em me ajudar. Muito
obrigada.
#Saída do modelo 2
> summary(MOD2)
Time series regression with "ts" data:
Start = 2000(4), End = 2010(12)
Call:
dynlm(formula = BEAI ~ trend(BEAI) + season(BEAI) + I(7 * 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
I(7 * L(Temperatura, 1)) -0.6961 0.2183 -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
---------- 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: Tue, 30 Sep 2014 10:38:10 -0300
Subject: Re: [R-br] Parâmetros_modelo de regressão dinâmico
> ola fatima
> se a funcao do forecast permitir a especificação de entrada de
> novos dados como na função predict vc nao precisaria ajustar um
> novo modelo. por exemplo na função predict:
>
> original: banco de dados com 5000 linhas
> try: seria sua amostra retirada aleatoriamente do seu banco de dados
> originais por exemplo 1000 dados e onde vc ponderaria a temperatura
> por 7.
set: seria o seu banco de dados retirando as mil linhas do
> banco de dados try, ou seja 9000 mil linhas
>
> modelo
> mod<-glm(y~a+b, data=set....)
>
> predict(mod, newdata=try)
>
> ai vc teria a predição com a temperatura ponderada a 7
>
> nao sei se te ajudei
>
> humberto
>
> Enviado do meu iPhone
>
> > Em 30/09/2014, às 09:17, Fatima do Nascimento Silva
<fatima em ccet.ufrn.br> escreveu:
> >
> > 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 -------
> >
> > _______________________________________________
> > 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