ISmPooledModel.RandomEffectsMethod

Синтаксис

RandomEffectsMethod: PooledModelRandomEffectsMethodType;

Описание

Свойство RandomEffectsMethod определяет метод расчета случайных эффектов.

Комментарии

Значение RandomEffectsMethod учитывается, если рассчитывается модель со случайными эффектами, т.е. ISmPooledModel.CrossSection = PooledModelCrossSectionType.RandomEffect.

Пример

Добавьте ссылку на системную сборку Stat.

Sub UserProc;
Var
    PooledModel: ISmPooledModel;
    yY: Array[6, 2] Of Double;
    X1x, x2x: Array[7, 2] Of Double;
    Coefficients: ICoefficients;
    i, j, Status, MPLastPoint, ForecastValue: Integer;
    StandardError, Estimate, d1, d2: Array Of Double;
Begin
    PooledModel := New SmPooledModel.Create;
    // Объясняемые значения
    yY[0, 0] := 20;  yY[0, 1] := 17;
    yY[1, 0] := 7;   yY[1, 1] := Double.Nan;
    yY[2, 0] := -50; YY[2, 1] := 21;
    yY[3, 0] := 20;  yY[3, 1] := 17;
    yY[4, 0] := 25;  yY[4, 1] := 7;
    yY[5, 0] := -50; YY[5, 1] := 0.1;
    PooledModel.Explained.Value := YY;
    // Объясняющие значения
    x1x[0, 0] := 4;   x1x[0, 1] := -1.5;
    x1x[1, 0] := 0.5; x1x[1, 1] := 5;
    x1x[2, 0] := -2;  x1x[2, 1] := 2.5;
    x1x[3, 0] := 130; x1x[3, 1] := 131;
    x1x[4, 0] := 141; x1x[4, 1] := Double.Nan;
    x1x[5, 0] := 150; x1x[5, 1] := 151;
    x1x[6, 0] := 160; x1x[6, 1] := 161;
    PooledModel.Explanatories.Add.Value := x1x;
    // Веса
    x2x[0, 0] := 3;    x2x[0, 1] := 0.5;
    x2x[1, 0] := 6;    x2x[1, 1] := 1;
    x2x[2, 0] := 0.75; x2x[2, 1] := 2;
    x2x[3, 0] := 230;  x2x[3, 1] := 231;
    x2x[4, 0] := 240;  x2x[4, 1] := 241;
    x2x[5, 0] := 250;  x2x[5, 1] := 251;
    x2x[6, 0] := 260;  x2x[6, 1] := 261;
    PooledModel.Weights := x2x;
    // Период идентификации
    PooledModel.ModelPeriod.FirstPoint := 2;
    PooledModel.ModelPeriod.LastPoint := 5;
    // Последняя точка прогноза
    PooledModel.Forecast.LastPoint := 7;
    // Тип модели
    PooledModel.CrossSection := PooledModelCrossSectionType.RandomEffect;
    // Метод для расчета случайных эффектов
    PooledModel.RandomEffectsMethod := PooledModelRandomEffectsMethodType.SwamyArora;
    // Обработка пропусков
    PooledModel.MissingData.Method := MissingDataMethod.SampleAverage;
    // Расчет и полученные коэффициенты
    Status := PooledModel.Execute;
    Debug.WriteLine(PooledModel.Errors);
    If Status = 0 Then
        Debug.WriteLine("Идиосинкразическое стандартное отклонение:");
        Debug.WriteLine(" " + PooledModel.IdiosyncraticSD.ToString);
        Debug.WriteLine("Стандартное отклонение групповых ошибок:");
        Debug.WriteLine(" " + PooledModel.CrossSectionSD.ToString);
        Coefficients := PooledModel.ModelCoefficients.Coefficients;
        j := Coefficients.Estimate.Length;
        Debug.WriteLine("Значения коэффициентов:");
        For i := 0 To j - 1 Do
            Estimate := Coefficients.Estimate;
            StandardError := Coefficients.StandardError;
            Debug.WriteLine(" " + (i + 1).ToString + ": " + Estimate[i].ToString + ", " + StandardError[i].ToString);
        End For;
        Debug.WriteLine("Модельные ряды");
        For i := 0 To PooledModel.Fitted.GetUpperBound(1) Do
            d1 := PooledModel.Fitted;
            d2 := PooledModel.Fitted;
            Debug.WriteLine(" " + d1[i, 0].ToString + " " + d2[i, 1].ToString);
        End For;
        Debug.WriteLine("Результаты прогнозирования");
        MPLastPoint := PooledModel.ModelPeriod.LastPoint;
        ForecastValue := PooledModel.Forecast.Value.GetUpperBound(1);
        For i := MPLastPoint + 1 To ForecastValue Do
            d1 := PooledModel.Forecast.Value;
            d2 := PooledModel.Forecast.Value;
            Debug.WriteLine(" " + d1[i, 0].ToString + " " + d2[i, 1].ToString);
        End For;
        Debug.WriteLine("Ряд остатков");
        For i := 0 To PooledModel.Residuals.GetUpperBound(1) Do
            d1 := PooledModel.Residuals;
            d2 := PooledModel.Residuals;
            Debug.WriteLine(" " + d1[i,0].ToString + " " + d2[i,1].ToString);
        End For;
    End If;
End Sub UserProc;

Результат выполнения примера: рассчитана модель регрессии на панельных данных со случайными эффектами, результаты расчета выведены в окно консоли.

См. также:

ISmPooledModel