r - R中的nlme软件包中的gls函数出错

我不断收到这样的错误:

Error in `coef<-.corARMA`(`*tmp*`, value = c(18.3113452983211, -1.56626248550284,  :
  Coefficient matrix not invertible

或像这样:

Error in gls(archlogfl ~ co2, correlation = corARMA(p = 3)) : false convergence (8)

与gls中的nlme函数一起使用。

前一个示例是gls(archlogflfornma~nma,correlation=corARMA(p=3))模型，其中archlogflfornma是

[1] 2.611840 2.618454 2.503317 2.305531 2.180464 2.185764 2.221760 2.211320

并且nma是

[1] 138 139 142 148 150 134 137 135

您可以在后者中看到该模型，archlogfl是

[1] 2.611840 2.618454 2.503317 2.305531 2.180464 2.185764 2.221760 2.211320
[9] 2.105556 2.176747

并且co2是

[1]  597.5778  917.9308 1101.0430  679.7803  886.5347  597.0668  873.4995
[8]  816.3483 1427.0190  423.8917

我有R 2.13.1。

罗兰

最佳答案

@GavinSimpson在上面的评论中，尝试从10个观测值中估计具有5个参数的模型是非常有希望的，这是正确的。一般的经验法则是，数据点的数量至少应为参数的10倍，这是用于标准固定效果/回归参数的。 (通常，与回归参数相比，诸如AR参数之类的方差结构参数要难一些/需要更多的数据。)

也就是说，在理想世界中，甚至可以从过度拟合的模型中估计参数。让我们来看看会发生什么:

archlogfl <- c(2.611840,2.618454,2.503317,
               2.305531,2.180464,2.185764,2.221760,2.211320,
               2.105556,2.176747)

co2 <- c(597.5778,917.9308,1101.0430,679.7803,
         886.5347,597.0668,873.4995,
         816.3483,1427.0190,423.8917)

看一下数据，

plot(archlogfl~co2,type="b")
library(nlme)
g0 <- gls(archlogfl~co2)
plot(ACF(g0),alpha=0.05)

这是残差的自相关函数，具有95％的置信区间(请注意，这些是曲线置信区间，因此无论如何我们都希望约有1/20点落在这些边界之外)。

因此，这里确实有一些(图形)证据表明存在自相关。我们将使用一个详细输出的AR(1)模型(要了解估计这些参数的规模，您可能需要在Pinheiro和Bates 2000中进行深入研究:打印输出中显示的是参数，摘要中显示的是受约束的值...

g1 <- gls(archlogfl ~co2,correlation=corARMA(p=1),
    control=glsControl(msVerbose=TRUE))

让我们看一下适合AR1之后还剩下什么:

plot(ACF(g1,resType="normalized"),alpha=0.05)

现在适合AR(2):

g2 <- gls(archlogfl ~co2,correlation=corARMA(p=2),
    control=glsControl(msVerbose=TRUE))

plot(ACF(g2,resType="normalized"),alpha=0.05)

正如您正确指出的那样，尝试转到AR(3)失败。

gls(archlogfl ~co2,correlation=corARMA(p=3))

您可以考虑公差，起始条件等因素，但是我认为这不会有太大帮助。

gls(archlogfl ~co2,correlation=corARMA(p=3,value=c(0.9,-0.5,0)),
    control=glsControl(tolerance=1e-4,msVerbose=TRUE),verbose=TRUE)

如果我绝对想得到这些值，我将编写我自己的广义最小二乘函数，从头开始构建AR(3)相关矩阵，并尝试使用稍微更强大的优化器运行它，但是我真的必须拥有努力工作的一个很好的理由...

另一种选择是使用arima来拟合gls或lm拟合中的残差而没有自相关:arima(residuals(g0),c(3,0,0))。 (您可以看到，如果使用arima(residuals(g0),c(2,0,0))进行此操作，则答案与使用gls的corARMA(p=2)的结果接近(但不完全相等)。)

关于r - R中的nlme软件包中的gls函数出错，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/6706143/