Question

我对R比较陌生。在大学的期末考试中，我决定写一篇关于copulas的论文，因此我收集了一些关于copulas背后的理论知识，它们是什么以及它们是如何工作的。我也在R中编程，但从未使用过R中的copula，因此我是R中copulas的新手。

我的问题是：如何将原始数据（以R矢量的形式）拟合到Gumbel copula？

以下是我的数据格式：

x <- c(x1,x2,x3,...,xn)
y <- c(y1,y2,y3,...,yn)

现在我正在使用copula包，我知道如何生成随机copulas和Gumbel copulas，如下所示：

#independence case
r_matrix <- t(rgumbel(2000,theta=1))
plot(r_matrix[1,], r_matrix[2,], col="blue", main="Gumbel, independence case")
positive dependence
r_matrix <- t(rgumbel(2000,theta=3))
plot(r_matrix[1,], r_matrix[2,], col="blue", main="Gumbel, Positive dependence")

然而，我不知道如何估计theta ..我知道Spearman的Rho和Kendall的Tau是什么，如果这可能会有所帮助。你能帮我把x和y装到Gumbel copula吗？我应该使用另一个套餐吗？谢谢

Answer 1

我希望这会有所帮助

library(copula)
gumbel.cop= gumbelCopula(2, dim = 7)
set.seed(117)
u1 = rCopula(500, gumbel.cop)
fit.ml = fitCopula(gumbel.cop, u1, method = "ml")

以上的输出是

fitCopula() estimation based on 'maximum likelihood'
and a sample of size 500.
      Estimate Std. Error z value Pr(>|z|)    
param  2.01132    0.02902   69.31   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
The maximized loglikelihood is  1643 
Optimization converged
Number of loglikelihood evaluations:
function gradient 
      20        3

您也可以尝试＆＃34; mpl＆＃34;，＆＃34; itau＆＃34;或＆＃34; irho＆＃34;而不是＆＃34; ml＆＃34;估算师。你知道吗＆＃34毫升＆＃34;是（最大可能性），＆＃34; MPL＆＃34;是（最大伪似然），＆＃34; itau＆＃34;是（肯德尔的反转 tau）和＆＃34; irho＆＃34;是（斯皮尔曼的反转）。有关详细信息，请参阅R copula package

如何将数据以向量的形式拟合到R中的Gumbel copula？

1 个答案: