[R-br] Parâmetros_modelo de regressão dinâmico
humberto hazin
hhazin em gmail.com
Terça Setembro 30 15:22:18 BRT 2014
ola fatima
que bom! essa tb é uma outra forma pois ja teria diretamente isso
Enviado do meu iPhone
> Em 30/09/2014, às 13:28, Fatima do Nascimento Silva <fatima em ccet.ufrn.br> escreveu:
>
> 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 -------
> _______________________________________________
> 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.
Mais detalhes sobre a lista de discussão R-br