Auto correlaciones en los errores
Páginas: 3 (547 palabras)
Publicado: 19 de octubre de 2010
CO6324
Regresi´n con errores autocorrelacionados o
Ya mencionamos anteriormente los efectos de la autocorrelaci´n en la o estimaci´n de los errores est´ndard de los coeficientes de regresi´n alo a o estimar la tendencia. Para tomar en cuenta los efectos de la autocorrelaci´n podemos utilizar o la funcin gls de la librer´ nlme. ıa >library(nlme) >help(gls) La estructura de correlaci´n esdefinida por el par´metro correlation. o a Este debe definir un objeto de alguna clase: corAR1: Proceso autoregresivo de orden 1 corARMA: Proceso ARMA con ´rdenes arbitrarios para AR y MA o corCAR1: Procesoautoregresivo cont´ ınuo (proceso AR(1) para una covariable cont´ ınua en el tiempo)
105
CO6324
La variable x es la temperatura y la variable t es el tiempo. Se utiliza una estructura decorrelaci´n AR(5), dado el order del modelo sugerido o para estos datos: > modgtemp.1=gls(x~t,corr=corARMA(p=5,q=0),method="ML") > summary(modgtemp.1) Generalized least squares fit by maximum likelihoodModel: x ~ t Data: NULL AIC BIC logLik -146.4576 -123.8311 81.22878 Correlation Structure: ARMA(5,0) Formula: ~1 Parameter estimate(s): Phi1 Phi2 Phi3 Phi4 Phi5 0.50323344 -0.04554287 0.083858210.24776397 -0.03601402 Coefficients: Value Std.Error t-value p-value (Intercept) -10.954943 2.161961 -5.067134 0 t 0.005651 0.001113 5.076688 0 Correlation: (Intr) t -1 Standardized residuals: Min Q1 MedQ3 Max -2.5683581 -0.8298024 -0.1738361 0.4505746 2.2915584 Residual standard error: 0.1637247 Degrees of freedom: 125 total; 123 residual
106
CO6324
Los resultados obtenidos anteriormentecon la funci´n lm se muestran a o continuaci´n: o > summary(modgtemp) Call: lm(formula = x ~ t) Residuals: Min 1Q Median -0.394506 -0.110916 -0.005503 Coefficients: Estimate Std. Error t value Pr(>|t|)(Intercept) -1.091e+01 7.567e-01 -14.41 > > > > > > mort=scan("cmort.dat") temp=scan("temp.dat") part=scan("part.dat") par(mfrow=c(3,1)) plot(mort,main="Mortalidad Cardiovascular",type="l")...
Regresi´n con errores autocorrelacionados o
Ya mencionamos anteriormente los efectos de la autocorrelaci´n en la o estimaci´n de los errores est´ndard de los coeficientes de regresi´n alo a o estimar la tendencia. Para tomar en cuenta los efectos de la autocorrelaci´n podemos utilizar o la funcin gls de la librer´ nlme. ıa >library(nlme) >help(gls) La estructura de correlaci´n esdefinida por el par´metro correlation. o a Este debe definir un objeto de alguna clase: corAR1: Proceso autoregresivo de orden 1 corARMA: Proceso ARMA con ´rdenes arbitrarios para AR y MA o corCAR1: Procesoautoregresivo cont´ ınuo (proceso AR(1) para una covariable cont´ ınua en el tiempo)
105
CO6324
La variable x es la temperatura y la variable t es el tiempo. Se utiliza una estructura decorrelaci´n AR(5), dado el order del modelo sugerido o para estos datos: > modgtemp.1=gls(x~t,corr=corARMA(p=5,q=0),method="ML") > summary(modgtemp.1) Generalized least squares fit by maximum likelihoodModel: x ~ t Data: NULL AIC BIC logLik -146.4576 -123.8311 81.22878 Correlation Structure: ARMA(5,0) Formula: ~1 Parameter estimate(s): Phi1 Phi2 Phi3 Phi4 Phi5 0.50323344 -0.04554287 0.083858210.24776397 -0.03601402 Coefficients: Value Std.Error t-value p-value (Intercept) -10.954943 2.161961 -5.067134 0 t 0.005651 0.001113 5.076688 0 Correlation: (Intr) t -1 Standardized residuals: Min Q1 MedQ3 Max -2.5683581 -0.8298024 -0.1738361 0.4505746 2.2915584 Residual standard error: 0.1637247 Degrees of freedom: 125 total; 123 residual
106
CO6324
Los resultados obtenidos anteriormentecon la funci´n lm se muestran a o continuaci´n: o > summary(modgtemp) Call: lm(formula = x ~ t) Residuals: Min 1Q Median -0.394506 -0.110916 -0.005503 Coefficients: Estimate Std. Error t value Pr(>|t|)(Intercept) -1.091e+01 7.567e-01 -14.41 > > > > > > mort=scan("cmort.dat") temp=scan("temp.dat") part=scan("part.dat") par(mfrow=c(3,1)) plot(mort,main="Mortalidad Cardiovascular",type="l")...
Leer documento completo
Regístrate para leer el documento completo.