GDLTerms: ISlGDLTerms;
Свойство GDLTerms определяет параметры расчёта распределенных лагов Койка.
Использовать ли модель распределенных лагов Койка, определяет свойство ISmLinearRegress.UseGDLTerms.
Для выполнения примера добавьте ссылку на системную сборку Stat.
Sub UserProc;
Var
lr: ISmLinearRegress;
y, x1, x3: Array[25] Of Double;
i: Integer;
init: Array[2] Of Double;
constant: IIntercept;
exp: ISlSeries;
GDLTerms: ISlGDLTerms;
coefs: ICoefficients;
Begin
// Задаём значения переменных
Y[0] := -0.22; X1[0]:=0.37; X3[0]:=-135;
Y[1] := -0.3; X1[1]:=0.19; X3[1]:=-135;
Y[2] := -0.34; X1[2]:=0.08; X3[2]:=-133;
Y[3] := -0.34; X1[3]:=0.08; X3[3]:=-129;
Y[4] := -0.34; X1[4]:=0.13; X3[4]:=-125;
Y[5] := -0.34; X1[5]:=0.21; X3[5]:=-123;
Y[6] := -0.3; X1[6]:=0.37; X3[6]:=-121;
Y[7] := -0.28; X1[7]:=0.43; X3[7]:=-117;
Y[8] := -0.22; X1[8]:=0.49; X3[8]:=-115;
Y[9] := -0.11; X1[9]:=0.55; X3[9]:=-112;
Y[10] := -0.04; X1[10]:=0.65; X3[10]:=-109;
Y[11] := -0.01; X1[11]:=0.73; X3[11]:=-106;
Y[12] := 0.06; X1[12] := 0.98; X3[12]:=-109;
Y[13] := 0.09; X1[13] := 1.1; X3[13]:=-109;
Y[14] := 0.17; X1[14] := 1.19; X3[14]:=-115;
Y[15] := 0.31; X1[15] := 1.26; X3[15]:=-117;
Y[16] := 0.37; X1[16] := 1.43; X3[16]:=-123;
Y[17] := 0.46; X1[17] := 1.62; X3[17]:=-123;
Y[18] := 0.57; X1[18] := 1.72; X3[18]:=-125;
Y[19] := 0.62; X1[19] := 1.77; X3[19]:=-129;
Y[20] := 0.62; X1[20] := 1.77; X3[20]:=-133;
Y[21] := 0.62; X1[21] := 1.77; X3[21]:=-135;
Y[22] := 0.62; X1[22] := 1.77; X3[22]:=-135;
Y[23] := 0.54; X1[23] := 1.72; X3[23]:=-135;
Y[24] := 0.58; X1[24] := 1.48; X3[24]:=-129;
// Создаем метод
lr := New SmLinearRegress.Create;
// Определяем параметры периодов идентификации и прогнозирования
lr.ModelPeriod.FirstPoint := 0;
lr.ModelPeriod.LastPoint := 15;
lr.Forecast.LastPoint := 25;
// Определяем параметры константы
constant := lr.ModelCoefficients.Intercept;
constant.Mode := InterceptMode.AutoEstimate;
// Задаем объясняемую переменную
lr.Explained.Value := y;
// Задаем объясняющие переменные
exp := lr.Explanatories;
exp.Add.Value := x1;
exp.Add.Value := x3;
// Задаем параметры лагов Койка
lr.UseGDLTerms := True;
GDLTerms := lr.GDLTerms;
// Определяем максимальное число итераций
GDLTerms.MaxIteration := 300;
// Определяем точность, используемую при оптимизации
GDLTerms.Tolerance := 0.01;
// Используем численные производные
GDLTerms.UseAnalyticDeriv := False;
// Задаем начальные значения коэффициентов
init[0] := 0.011;
init[1] := 0.024;
GDLTerms.AllInitialValues := init;
// Выполняем расчёт метода
i := lr.Execute;
// Выводим результаты
If i = 0 Then
Debug.WriteLine("Значение константы: " + constant.Estimate.ToString);
Debug.WriteLine("Модельный ряд:");
Debug.Indent;
For i := 0 To lr.Fitted.Length - 1 Do
Debug.WriteLine(lr.Fitted[i]);
End For;
Debug.Unindent;
Debug.WriteLine("Прогнозный ряд:");
Debug.Indent;
For i := 0 To lr.Forecast.Value.Length - 1 Do
Debug.WriteLine(lr.Forecast.Value[i]);
End For;
Debug.Unindent;
coefs := lr.ModelCoefficients.Coefficients;
Debug.WriteLine("Значение коэффициентов:");
Debug.Indent;
Debug.WriteLine("beta0_1: " + coefs.Estimate[0].ToString);
Debug.WriteLine("beta0_2: " + coefs.Estimate[1].ToString);
Debug.WriteLine("alpha: " + coefs.Estimate[2].ToString);
Debug.Unindent;
End If;
End Sub UserProc;
В результате выполнения примера в окно консоли будут выведены результаты расчета модели линейной регрессии (оценка МНК), использующей распределенные лаги Койка: модельный объясняемый ряд, прогнозный ряд и значения коэффициентов.
См. также:
ISmLinearRegress | Модель геометрически распределенных лагов