![](/img/trans.png)
[英]Error with fitting a Generalized Extreme Value (GEV) using `extRemes` in R?
[英]how to define a GEV (generalized extreme value) distribution to a copula?
我試圖為兩個具有極高價值分布的變量擬合一個copula。 對於“ MVDC”類,我需要定義邊距和parammargins。 由於Rcopula的默認分發功能中不包含GEV,因此我通過使用“ evd”包通過以下兩個功能獲得了這兩個值:
# pgev gives the Generalized Extreme Value distribution function
GEVmarginU1<-pgev(U1, loc=0, scale=1, shape=0, lower.tail = TRUE)
GEVmarginV2<-pgev(V2, loc=0, scale=1, shape=0, lower.tail = TRUE)
#fit a generalised extreme value distribution to my data
MU1 <- fgev(U1, scale = 1, shape = 0)
MV2 <- fgev(V2, scale = 1, shape = 0)
但是當我將這些值提供給“ mvdc”函數時,出現錯誤
myMvd <- mvdc(copula = ellipCopula(family = "Frank", param = 0), margins = c(pgev, pgev),
paramMargins = list(list(MU1), list(MV2))
最重要的是,我想確定自己是否步入正軌。 由於從離散選擇模型中獲得了兩個變量,因此我具有極值分布。 邊際也有GEV分布,對嗎? 因此,我需要為“ mvdc”定義GEV,否則我安裝的copula不能正常工作。
(1) Ui = β1Xi1 + β2Xi2 + β3Xi3 + εi
(2) Vi = γ1Yj1 + γ2Yj2 + γ3Yj3 + ηi
綜上所述:
(1) Ui = β'Xi' + εi
(2) Vi = γ'Yj' + ηi
由於這些模型是通過離散選擇建模方法制成的,因此分布函數遵循“極值”分布。 第一步:我使用Biogeme軟件使用多項式logit模型分別估計i和Vj的每個變量的β1,β2,β3,γ1,γ2,γ3的系數。 但是從直覺上我知道它們是因變量,因此我嘗試擬合一個copula,並再次通過考慮依賴值來估計系數。 因此,決策者n選擇Ui和Vi的聯合概率為:
這些邊際轉化為連續的,但仍然具有極高的價值分配,對嗎?
1)在Rcopula中使用“ mvdc” copula類時,如何定義GEV?
其次,假設我使用“ fitcopula”代替“ mvdc”,並獲得了param(copula的依賴參數),如果我正確理解,“ fitcopula”用於參數,在我的情況下,它是非參數的,對嗎?
2)現在,我應該如何通過使用聯合分布和相關性參數來更新系數?
對於第一個問題,我發現我的邊際是對數隨機分布的,因為它們是本實用新型中兩個誤差項之間的差,我們知道誤差項遵循類型1極值或Gumbel分布,並且兩個Gumbel之間也存在差根據Wikipedia,配送遵循物流配送。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.