r - R 中的 MCMC 变点模型

Question

我想运行 MCMC 线性高斯多变点模型来检测连续值的时间序列向量的变点。

在这样做时，我正在考虑使用 MCMRegressChange 函数，但我在这里有几个问题:

(1) 如何获得这些模型的对数边际似然？

(2) MMCRegressChange函数和MCMCresidualBreakAnalysis函数有什么区别？

R 脚本如下所示。如果您能帮我解决这个问题，我将非常高兴。

library(MCMCpack)
set.seed(1234)
n <- 100
x1 <- runif(n, min = 0, max  = 1)
x2 <- runif(n, min = 1, max  = 2)
X <- c(x1,x2)

B0 <- 0.1
sigma.mu=sd(X)
sigma.var=var(X)

model0 <- MCMCregressChange(X ~ 1, m=0, b0=mean(X),   mcmc=100, burnin=100, verbose = 1000,
                                   sigma.mu=sigma.mu, sigma.var=sigma.var, marginal.likelihood="Chib95")
model1 <- MCMCregressChange(X ~ 1, m=1, b0=mean(X),   mcmc=100, burnin=100, verbose = 1000,
                                   sigma.mu=sigma.mu, sigma.var=sigma.var, marginal.likelihood="Chib95")
model2 <- MCMCregressChange(X ~ 1, m=2, b0=mean(X),   mcmc=100, burnin=100, verbose = 1000,
                                   sigma.mu=sigma.mu, sigma.var=sigma.var, marginal.likelihood="Chib95")

print(BayesFactor(model0, model1, model2))

plotState(model0)
plotChangepoint(model0)

plotState(model1)
plotChangepoint(model1)

plotState(model2)
plotChangepoint(model2)

Answer 1

the documentation 的“值”小节|描述 MCMRegressChange 返回的内容，说明模型的对数边际似然存储在属性 logmarglike 中。因此，它可以像

attr(model1, "logmarglike")

运行代码中的行时也会报告这些属性值:

print(BayesFactor(model0, model1, model2))

至于模型的差异，MCMCresidualBreakAnalysis 是MCMCRegressChange 的特例，即当X 为单变量时。事实上，MMCRegressChange 的代码会检查 X 中的列数是否为一，如果是，则重新格式化输入参数以调用 MCMCresidualBreakAnalysis。由于也没有特定于后者的其他参数，因此了解 MCMCregressChange 更为通用，所有人都应该需要使用。

MCMCresidualBreakAnalysis 描述中的注释对此进行了强化:

"The code is written mainly for an internal use in testpanelSubjectBreak."

也就是说，虽然它是一个导出函数，但它主要是一个特定用例产生的便利函数。