我有一个非常简单的时间序列数据集,包括单个变量的年平均值("AVERAGE").我想调查时间序列的"趋势"组成部分的变化率(一阶导数)和加速度(二阶导数)以及相关的标准误差.我使用MGCV的GAM和PREDICT功能获得了"趋势",简单如下:
A <- gam(AVERAGE ~ s(YEAR), data=DF, na.action=na.omit)
B <- predict(A, type="response", se.fit=TRUE)
我通过2种不同的方法确定了导数,应用了高DoF立方光滑样条,并通过第一和第二差异(轻微平滑)和自举来近似误差,两者都产生了可比较的结果.
我注意到"gam.fit3"功能有助于确定最多二阶导数但不直接调用.我还注意到使用类型为"lpmatrix"的"predict.gam"有助于平滑的衍生.我想直接使用"GAM"函数计算第一和第二衍生物,但是不足以计算或提取这些衍生物.我尝试在"Predict.gam"帮助页面的末尾重新配置Wood的示例,但是没有成功.让我走向正确方向的任何帮助都会非常棒.谢谢菲尔.
我已经将一个简单的二阶多项式拟合成时间序列数据,形式如下:
polyfit <- lm(y ~ poly(x,2))
我希望从形式为y = Ax ^ 2 + Bx + C的拟合多项式中提取各自的系数(A,B和C).我自然认为答案可以在polyfit对象中的polyfit $系数中找到,但是这些系数不正确.我已经尝试了一些非常简单的数据集并与excel进行了比较,虽然poly曲线拟合在R和excel中是相同的,但是从excel获得的A,B和C系数是正确的,但是从polyfit对象获得的那些不是吗？我是否从polyfit对象中提取了不正确的信息？为了我的目的,直接从R中提取系数会更方便吗？有人可以帮忙吗？