なぜ状態空間モデルを使うのか | Logics of Blue
最終更新：2016年1月24日 このサイトでは統計学や統計モデルの紹介を多くしています。 その中でも、状態空間モデルは、力を入れている分野の一つです。 ところで、なぜ状態空間モデルを使う必要があるのでしょうか。 そもそもにおいて、統計モデルを使う必要性はどこにあるのでしょうか。 今回は個々の手法の説明ではなく「なぜそれを使うのか」という理由を解説します。 スポンサードリンク 目次 1．なぜモデルを使うのか 2．なぜ統計モデルを使うのか 3．なぜ状態空間モデルを使うのか 4．なぜたくさんのモデルを統一的に表せると便利なのか 5．状態空間モデルを使う注意点 6．状態空間モデルの御利益 7．おまけ：統計モデルと機械学習の違い 1．なぜモデルを使うのか モデルとは､「見やすくなるように簡略化したもの」です。 モデルを作る行為、すなわちモデル化とは､「見やすくなるように簡略化すること」です。 例えば
時系列データへの回帰分析 | Logics of Blue
新規作成：2017年05月16日 最終更新：2017年05月16日 ここでは、時系列データを手にした際に、どのような手順で回帰分析をかけていけばいいのか、フローチャートを交えて解説します。 時系列データは特殊でして、普通の回帰分析を行うと、p値がおかしくなり、正しく検定ができなくなることがよくあります。これを見せかけの回帰と呼びます。 シミュレーションを通して、見せかけの回帰という現象を確認したうえで、それらに対応する手法としての単位根検定・共和分検定・一般化最小二乗法(GLS)の基本的な考え方とRでの実装方法について説明します。 ソースコードはまとめてこちらに置いてあります。 スポンサードリンク 目次 時系列データへの回帰分析フローチャート 単位根と見せかけの回帰 データチェック1 単位根検定とADF検定 解決策１ 差分系列への回帰分析 差分系列への回帰分析の問題点 データチェック２ 共
【R】ランダムウォークの『見せかけの回帰』を実験で確かめてみる - 港区で苦しむマーケティングサイエンティストのメモ帳
見せかけの回帰とは 定常性とは 具体例 定常性がある：ホワイトノイズ 定常性がない：ランダムウォーク 1. ランダムウォーク 2. ドリフト付きランダムウォーク cf. 単位根過程 見せかけの回帰を確かめる 使用したコード 見せかけの回帰とは 見せかけの回帰（Spurious Regression）とは、本来関係のないはずの2組の時系列データが回帰関係を持っているように計算されてしまうことです。 統計的には、確率的に独立である２つの時系列データに対してOLS（最小二乗法による回帰分析）を行ったときに、回帰係数が本来ゼロであって欲しいところが、誤った推定値を取ってしまう、ということになります。 たとえば、「あるデータXとデータYに対して回帰分析を行って、有意な関係が出ました！ 」というときに、「・・・ちゃんと計算したら実は見せかけの回帰でした」となることがあるわけです。計量経済学的な分析を行
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
