Як перевірити, яка модель краща в аналізі простору часових рядів стану?

Я роблю аналіз даних часових рядів методами державного простору. З моїх даних, модель стохастичного локального рівня повністю перевершила детерміновану модель. Але детермінована модель рівня та схилу дає кращі результати, ніж при стохастичному рівні та стохастичному / детермінованому нахилі. Це щось звичайне? Всі методи в R вимагають початкових значень, і я десь читав, що спочатку встановлення моделі ARIMA та взяття значень звідси як вихідні значення для аналізу простору стану є одним із способів; можливо? чи будь-яка інша пропозиція? Я маю визнати тут, що я абсолютно новий в аналізі простору держави.

Щоб відповісти на ваше перше запитання. Так, все можливо. Це не звичайно або незвично. Ви повинні дозволити, щоб дані розповіли, яка правильна модель. Спробуйте додатково доповнити модель сезонами, циклами та пояснювальними регресорами, якщо це можливо.

Вам слід не тільки порівнювати інформаційний критерій Akaike (AIC) для порівняння моделей, але і перевіряти, чи є залишки (неправильний термін) нормальними, гомоскедастичними та незалежними (тест Ljung-Box). Якщо ви можете знайти модель, яка має всі ці бажані властивості. Це має бути краща модель (цілком ймовірно, що модель з усіма цими властивостями матиме найкращий AIC).

Хоча початкові значення впливатимуть на те, яка максимальна точка функції вірогідності журналу знайдена, якщо ваша модель чітко визначена, вона не повинна занадто сильно змінюватись і повинен бути очевидним кандидатом на кращу модель з найкращими початковими значеннями. Я роблю дуже багато цього типу аналізу в Matlab, і я знайшов найкращий спосіб знайти початкові значення - просто пограти трохи. Це може бути виснажливим, але в кінцевому підсумку це добре виходить.