Question

我想测试动态线性模型的适用性，我已将其拟合到一组问题数据中。我在R中的dse包中使用SS（）函数完成了这个。有没有什么方法可以使用似然和信息测试来测试模型在R中的拟合？

为了便于说明，假设我的模型是随机游走。随机游动的理论形式是状态演化的X（t）= X（t-1）+ e（t）~N（0,1）Y（t）= X（t）+ w（t）~N （0,1）。 R中的代码由：

定义

kalman.filter=dse::SS(F = matrix(1,1,1), 
              Q = matrix(1,1,1),
              H = matrix(1,1,1),
              R = matrix(1,1,1),
              z0 = matrix(0,1,1),
              P0 = matrix(0,1,1)
              )

假设实际的观察是：

simulate.kalman.filter=simulate(kalman.filter, start = 1, freq = 1, sampleT = 100)

然后假设我们适合一个名为＆＃34; test＆＃34;：

的模型

test=l(kalman.filter, simulate.kalman.filter)

如何测试数据（simulate.kalman.filter）与R模型理论模型的拟合？我正在寻找可能性和贝叶斯信息准则等函数。

Answer 1

我已经找到了问题的答案。

执行此操作的功能在dse的同一个包中称为informationTests（）。它将使拟合模型的AIC，BIC和负对数似然返回到数据。在上面的示例中，这可以通过以下方式完成：

informationTests(test)

请记住，具有较低BIC的模型被认为更好。您还可以通过添加第二个模型作为参数来比较两个模型（假设您有第二个模型适合称为test2的数据）：

informationTests(test, test2)

这列出了AIC，BIC和彼此之间的可能性。

如何使用R中的DSE函数计算拟合卡尔曼滤波器的AIC，BIC和似然性

1 个答案: