不可忽略缺失机制的时间序列AR(p)模型参数估计问题

求人解决不可忽略缺失机制的时间序列AR(p)模型参数估计问题，重赏100论坛币。

3# reolin


是的，频率的方法处理很复杂。
试试贝叶斯，假设确实的概率依赖于当前的Yt，Yt为正和为负确实概率不同。---其他确实机制也可以。
以下的模拟结果还不错，R调用WinBUGS实现。


N = 2000
ar = c(0.9, -0.5)
data = arima.sim(n = N, list(ar = ar))
data = as.vector(data)
misp = ifelse(data>0, 0.1, 0.3)
R = sapply(misp, function(p){rbinom(1, 1, p)})
Y = ifelse(R==1, NA, data)
model = function()
{
         Y[1]~dnorm(mu[1], sigmainv)
         mu[1]<-a1*Y1+a2*Y2
         Y[2]~dnorm(mu[2], sigmainv)
         mu[2]<-a1*Y2+a2*Y[1]
         p[1]<-pp*step(Y[1])+pn*(1-step(Y[1]))
         R[1]~dbern(p[1])
         p[2]<-pp*step(Y[2])+pn*(1-step(Y[2]))
         R[2]~dbern(p[2])
         for(i in 3:N)
            {
                            Y~dnorm(mu, sigmainv)
                            mu<-a1*Y[i-1]+a2*Y[i-2]
                            R~dbern(p)
                            p<-pp*step(Y)+pn*(1-step(Y))
             }
          a1~dnorm(0,0.00001)
          a2~dnorm(0,0.00001)
          sigmainv~dgamma(0.0001,0.0001)
          sigma<-1/sigmainv
          pp~dunif(0,1)
          pn~dunif(0,1)
}

本质上，non-ignorable missing data problem是不可识别的，需要对缺失机制建模，就可以识别了。

我做求其协差阵时感觉非常复杂

楼上兄台可否留个联系方式，我是一个缺失数据研究的爱好者，有什么问题还想请楼上这位兄台多指教。

那你说我要研究不同缺失机制下对AR（p）参数估计的影响有没有意义？

6# reolin
这是sensitivity analysis吧，不过，纯属体力活。

您QQ是多少，我的346486435

8# reolin

给你站内信

您上面的程序我运行了，存在错误，您能不能解释详细一点呢，