[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