ВІДГУК, що дозволяє відмовитися

• Чи існує така модель моделювання, як LOESS, яка допускає нульовий, один або більше розривів, коли терміни розривів не відомі априорі?
• Якщо методика існує, чи існує реалізація в R?

Здається, ви хочете виявити багаторазову точку зміни з подальшим незалежним згладжуванням у кожному сегменті. (Виявлення може бути в Інтернеті чи ні, але ваша програма, швидше за все, не буде онлайн.) Про це багато літератури; Пошук в Інтернеті є плідним.

• Д. А. Стівенс написав корисне вступ до виявлення байесівських змін в 1994 році (додаток, стат. 43, №1, стор. 159-178: JSTOR ).
• З недавніх пір Пол Фернхед робив гарну роботу (наприклад, Точне та ефективне байєсівське висновок для безлічі проблем з точкою зміни, Stat Comput (2006) 16: 203-213: Безкоштовний PDF ).
• Існує рекурсивний алгоритм, заснований на прекрасному аналізі D Barry & JA Hartigan
  • Моделі розділу продуктів для точкових моделей змін, Енн. Стат. 20: 260-279: JSTOR ;
  • Баєсовий аналіз для проблем точки зміни, JASA 88: 309-319: JSTOR .
• Одна реалізація алгоритму Баррі та Хартігана задокументована в О. Seidou & TBMJ Ourda, на основі рекурсії, багаторазового виявлення змінних змін у багатоваріантній лінійній регресії та застосуванні до річкових потоків, Water Res. Рес., 2006: Безкоштовний PDF .

Я не виглядав важко для будь-яких реалізацій R (я кодував його в Mathematica деякий час тому назад), але буду вдячний, якщо ви знайдете його.

зробіть це з регресією зламаної лінії koencker, див. сторінку 18 цієї віньєтки

http://cran.r-project.org/web/packages/quantreg/vignettes/rq.pdf

У відповідь на останній коментар Вюбера:

Цей оцінювач визначений так.

, x ( i ) ≥ x ( i - 1 $x\in\mathbb{R}$ ,$x_{(i)}\geq x_{(i-1)}\;\forall i$

$e_i:=y_{i}-\beta_{i}x_{(i)}-\beta_0$

z - = max ( - z , 0 $z^+=\max(z,0)$$z^-=\max(-z,0)$

λ ≥ $\tau \in (0,1)$ ,$\lambda\geq 0$

$\underset{\beta\in\mathbb{R}^n|\tau, \lambda}{\min.} \sum_{i=1}^{n} \tau e_i^++\sum_{i=1}^{n}(1-\tau)e_i^-+\lambda\sum_{i=2}^{n}|\beta_{i}-\beta_{i-1}|$

$\tau$ дає бажаний квантил (тобто у прикладі ). спрямовує кількість точки розриву: для величини цей оцінювач зменшується до точки беззламки (що відповідає класичному лінійному кількісному оцінці регресії).$\tau=0.9$$\lambda$$\lambda$

Quantile Smoothing Splines Roger Koenker, Pin Ng, Stephen Portnoy Biometrika, Vol. 81, № 4 (груд., 1994), стор 673-680

PS: Є робочий папір із відкритим доступом з такою ж назвою тими ж іншими, але це не те саме.

Ось декілька методів та пов'язаних з ними пакетів R для вирішення цієї проблеми

Вейвлет оцінка thresolding в регресії дозволяє discontonuities. Ви можете використовувати пакет хвилі в Р.

Багато деревних методів (недалеко від ідеї вейвлет) корисні, коли у вас виникають розбіжності. Звідси третій пакет, дерево упаковки!

У сімейних методах " місцевої максимальної вірогідності " ... серед інших: Робота Пожеля та Спокоїни: Згладжування пристосувальних ваг (пакунки з пакетами) Робота Катерини Навантажувач: пакет locfit

Я думаю, що будь-яке ядро більш плавне з локальною мінливою пропускною здатністю має сенс, але я не знаю пакет R для цього.

Зауважте: Я насправді не розумію, в чому різниця між ЛОСОМ та регресією ... це ідея, що в алгоритмах ЛОССУ слід бути "на лінії"?

Рішення в R повинно бути можливим, використовуючи функцію нелінійної регресії nls, b splines (наприклад, функцію bs у пакеті сплайнів) та функцію ifelse.