statsmodels.tsa.statespace.kalman_smoother.SmootherResults.news¶
-
SmootherResults.news(previous, t=
None, start=None, end=None, revisions_details_start=True, design=None, state_index=None)[source]¶ 计算与数据发布相关的新闻和影响
- Parameters:¶
- previous
SmootherResults 先前的结果对象，相对于该对象计算新闻。此结果对象必须具有与先前样本周期相同的动态空间表示，以便唯一的区别是此结果对象对观测数据进行了更新。
- t
int,optional 计算新闻的特定时间段。不能与开始或结束一起使用。
- start
int,optional 要计算的新闻的时间间隔的开始（包含）。不能与t参数一起使用。默认是样本的最后一个周期（nobs - 1）。
- end
int,optional 要计算的新闻区间的结束时间（不包括）。请注意，由于这是一个不包括的端点，返回的新闻不包括此索引处的值。不能与t参数一起使用。
- revisions_details_startbool or
int,optional 开始计算数据修订详细影响的周期。在此周期之前的任何修订，其影响将被归为一组。如果为负整数，则解释为数据集末尾的偏移量。如果设置为True，则计算所有修订的详细影响，而如果设置为False，则所有修订将被归为一组。默认值为False。请注意，对于大型模型，将此设置在样本开始附近可能会导致此函数运行缓慢。
- design
array,optional 时间变化模型中周期t的设计矩阵。如果此模型具有时间变化的设计矩阵，并且参数t超出了此模型的样本范围，则必须提供周期t的新设计矩阵。否则不使用。
- state_indexarray_like,
optional 一个可选的索引，用于指定在构建修订和新信息的影响时使用的部分状态。例如，如果传递了state_index=[0, 1]，那么只会返回由前两个状态对观测变量产生的影响。
- previous
- Returns:¶
- news_results
SimpleNamespace 与数据发布相关的新闻和影响。包括以下属性：
update_impacts: 更新受新闻影响变量的预测。它等价于 E[y^i | post] - E[y^i | revision]，其中 y^i 是感兴趣的变量。在 [1] 中，这在公式 (17) 中被描述为“修订”。
revision_detailed_impacts: 更新受数据修订影响的变量的预测。它是 E[y^i | revision] - E[y^i | previous]，并且在 [1] 中没有特定的符号，因为为了简单起见，他们假设没有修订。
新闻: 更新数据中意外的组成部分。表示为 I = y^u - E[y^u | 之前的数据]，其中 y^u 是在数据发布中新加入的数据点（但不包括对之前发布中已存在的数据点的修订）。在 [1] 中，这被描述为方程 (17) 中的“新闻”。
修订: y^r(更新) - y^r(之前) 对于计算了详细影响的期间
revisions_all : y^r(更新) - y^r(之前) 对于所有修订
gain: 与“类似卡尔曼”更新相关的增益矩阵，来自新闻的 E[y I’] E[I I’]^{-1}。在 [1] 中，这可以在第 17 页中间的方程 For E[y_{k,t_k} mid I_{v+1}] 中找到。
revision_weights 平滑信号的观测权重
update_forecasts: 更新周期的预测，用于构建新闻，E[y^u | 之前]。
update_realized: 用于构建新闻的更新周期的实现，y^u。
修订: 修订了对已修订周期的观察，并计算了详细的影响
修订: 修订了对已修订周期的观察
revised_prev: 修订后的周期之前的观测值，这些观测值已被修订并计算了详细的影响
revised_prev_all: 修订前的周期观测值，并计算了详细的影响
prev_impacted_forecasts: 感兴趣时期的先前预测，E[y^i | 先前]。
post_impacted_forecasts: 考虑修订和更新后的感兴趣时期的预测， E[y^i | post]。
revision_results: 更新后的结果对象，将previous结果考虑数据修订。
revision_results: 与修订相关的结果对象
revision_impacts: 所有修订的总影响（包括分组和详细）
revisions_ix: endog中修订的(t, i)位置列表
revisions_details: 计算了影响的内生变量修订位置的列表，格式为 (t, i)
revisions_grouped: 修订的(t, i)位置列表，这些修订对内生变量的影响被分组
revisions_details_start: 修订详情开始计算的时间段
updates_ix: endog 的更新位置列表，格式为 (t, i)
state_index: 用于计算影响的州变量索引
- news_results
注释
此方法计算新数据（例如来自新数据发布）对由状态空间模型生成的平滑预测的影响，如[1]中所述。它还计算修订数据对平滑预测的影响。
参考文献