Làm thế nào để kiểm tra mô hình nào là tốt hơn trong phân tích chuỗi thời gian không gian trạng thái?

Tôi đang làm phân tích dữ liệu chuỗi thời gian bằng các phương pháp không gian trạng thái. Với dữ liệu của tôi, mô hình cấp địa phương ngẫu nhiên hoàn toàn vượt trội so với mô hình xác định. Nhưng mức độ xác định và mô hình độ dốc cho kết quả tốt hơn so với mức độ ngẫu nhiên và độ dốc ngẫu nhiên / độ dốc xác định. Đây có phải là một cái gì đó bình thường? Tất cả các phương thức trong R yêu cầu các giá trị ban đầu và tôi đọc ở đâu đó phù hợp với mô hình ARIMA trước tiên và lấy các giá trị từ đó làm giá trị ban đầu cho phân tích không gian trạng thái là một cách; khả thi? hoặc bất kỳ đề xuất nào khác? Tôi nên thú nhận ở đây rằng tôi hoàn toàn mới đối với phân tích không gian nhà nước.

Để trả lời câu hỏi đầu tiên của bạn. Vâng, tất cả đều có thể. Nó không bình thường hoặc bất thường. Bạn nên để dữ liệu cho bạn biết mô hình chính xác là gì. Hãy thử tăng mô hình hơn nữa bằng các mùa, chu kỳ và hồi quy giải thích nếu có thể.

Bạn không chỉ nên so sánh Tiêu chí Thông tin Akaike (AIC) để so sánh các mô hình, mà còn kiểm tra xem các phần dư (thuật ngữ không thường xuyên) là bình thường, homoskedastic và độc lập (kiểm tra Ljung-Box). Nếu bạn có thể tìm thấy một mô hình có tất cả các thuộc tính mong muốn này. Đây phải là mô hình ưa thích của bạn (có khả năng một mô hình có tất cả các thuộc tính này sẽ có AIC tốt nhất).

Mặc dù các giá trị ban đầu sẽ ảnh hưởng đến điểm tối đa của hàm khả năng ghi nhật ký được tìm thấy, nếu mô hình của bạn được chỉ định rõ, nó không nên thay đổi quá nhiều và cần có một ứng cử viên rõ ràng cho mô hình tốt nhất với giá trị ban đầu tốt nhất. Tôi thực hiện rất nhiều kiểu phân tích này trong Matlab và tôi thấy cách tốt nhất để tìm các giá trị ban đầu chỉ là chơi xung quanh một chút. Nó có thể tẻ nhạt nhưng cuối cùng nó hoạt động tốt.