Неопределенный гессиан в optim() и отключенный аргумент "start" в mle()
Я пытался использовать mle() чтобы минимизировать функцию -log правдоподобия, она всегда выдает сообщение об ошибке, подобное этому:
Error in minuslogl() (from kf.r@7524iUV#2) : argument "psi" is missing, with
no default
Мои функции:
KFlogL2 <- function(psi){
.........
return (res)
}
> psi.test
[1] 2.00 0.20 0.20 0.02 0.20 0.20 0.50
> mle(KFlogL2,start = list(psi = psi.test),method = 'L-BFGS-B',lower =
> lb,upper = ub)
> mle(KFlogL2,start = list(psi = c(2,.2,.2,.02,.2,.2,.5)),method =
> 'L-BFGS-B',lower = lb,upper = ub)
Я пробовал оба способа выше, но ни один не работает...
Кто-нибудь знает почему?
Для тех, кто хотел бы представить optim()Я действительно пытался это сделать, однако моя матрица Гессе, после взятия обратных и извлечения диагоналей, оказалась отрицательной! Сходимость в порядке. Я понятия не имею, что это значит. Поэтому я хотел попробовать mle() чтобы увидеть, могут ли вещи измениться. Моя функция оптимизации:
KFopt <- optim(par = psi.test, fn = KFlogL, method = 'L-BFGS-B',
lower = lb, upper = ub, hessian = TRUE)
Моя функция KF:
KFlogL2 <- function(psi){
k <- psi[1]
sigmax <- psi[2]
lambdax <- psi[3]
mu <- psi[4]
sigmae <- psi[5]
rnmu <- psi[6]
pxe <- psi[7]
m <- length(init.state)
N <- ncol(y.use)
nobs <- nrow(y.use)
s <- rep(.01,N)
dt <- 7/360
cc <- c(0,mu * dt)
T <- diag(m)
T[1,1] <- exp(-k * dt)
xx <- (1-exp(-2 * k * dt)) * sigmax * sigmax / 2 / k
xy <- (1-exp(-k * dt)) * pxe * sigmax * sigmae / k
yx <- (1-exp(-k * dt)) * pxe * sigmax * sigmae / k
yy <- sigmae * sigmae * dt
Q <- matrix(c(xx,xy,yx,yy),m,m)
R <- diag(m)
# measurement equation
d <- rep(0,N)
Z <- matrix(0,N,m)
for (i in 1:N){
matur.i <- matur.use[i]
p1 <- (1-exp(-2 * k * matur.i)) * sigmax * sigmax / 2 / k
p2 <- sigmae * sigmae * matur.i
p3 <- 2 * (1-exp(k * matur.i)) * pxe * sigmax * sigmae / k
d[i] <- rnmu * matur.i - (1-exp(-k * matur.i)) * lambdax / k + 1/2 * (p1 + p2 + p3)
Z[i,] <- exp(-k * matur.i)
}
H <- diag(s)
# Kalman Filter
save.ytt1 <- save.vtt <- save.vt <- matrix(0,nobs,N)
save.att1 <- save.att <- matrix(0,nobs,m)
save.Ptt1 <- save.Ptt <- matrix(0,nobs,m*m)
save.Ftt1 <- matrix(0,nobs,N*N)
save.detF <- save.vFv <- rep(0,nobs)
Ptt <- init.dist
att <- init.state
for (iter in 1:nobs){
Ptt1 <- T %*% Ptt %*% t(T) + R %*% Q %*% t(R)
Ftt1 <- Z %*% Ptt1 %*% t(Z) + H
att1 <- T %*% att + cc
yt <- y.use[iter,]
ytt1 <- Z %*% att1 + d
vt <- yt - ytt1
temp <- Ptt1 %*% crossprod(Z,solve(Ftt1))
att <- att1 + temp %*% vt
Ptt <- Ptt1 - temp %*% Z %*% Ptt1
ytt <- Z %*% att + d
vtt <- yt - ytt
save.vtt[iter,] <- vtt
save.vt[iter,] <- vt
save.att[iter,] <- att
save.Ptt1[iter,] <- as.numeric(Ptt1)
save.Ptt[iter,] <- as.numeric(Ptt)
save.detF[iter] <- det(Ftt1)
save.vFv[iter] <- crossprod(vt,solve(Ftt1,vt))
}
logL <- - (N + 1) * nobs/2 * log(2 * pi) - 1/2 * sum(log(save.detF)) - 1/2 * sum(save.vFv)
res <- -logL
return (res)
}
Я не знаю, как прикрепить файл здесь, так что здесь просто проблеск:
3.130263167 3.130700134 3.058707073 3.012589391 2.999724295 2.991724252
3.102342009 3.09421922 2.999724295 2.952824773 2.940747965 2.932259851
3.118392286 3.125882958 3.006177531 2.949164638 2.926917958 2.913979772
3.106378794 3.072693315 2.991724252 2.950211758 2.937573359 2.926917958
3.104138147 3.111735949 3.031099417 2.991724252 2.979602892 2.969388298
3.107273648 3.113959655 3.033509638 2.992226134 2.979602892 2.969388298
3.085572978 3.086486637 3.059176446 3.033509638 3.026746327 3.020912572
3.100092289 3.099641737 3.064325065 3.033028058 3.025776395 3.019936962
3.073618812 3.07176696 3.061520014 3.054001182 3.052112607 3.050220459
3.058707073 2.961658293 3.054001182 3.039270576 3.03543364 3.032546247
3.003204288 3.006672214 3.016024977 3.007660844 3.003700443 3.001217204
2.96217549 2.959068289 3.013080912 3.017493765 3.017493765 3.017493765
3.013572192 3.0194488 3.022860941 3.014554028 3.006672214 3.004692015
3.007166651 3.010620886 3.042138646 3.038791763 3.033028058 3.0301337
2.865623588 2.872434057 2.972463647 2.994731773 2.998727783 3.002707887
2.85474458 2.858766418 2.983659692 2.989714201 2.987700102 2.985681938
2.882003508 2.944438979 2.999226163 2.999226163 2.99723115 2.995232149
2.931726944 2.938103161 3.012097628 3.006672214 3.009635179 3.00914196
2.904712875 2.905807566 2.983659692 2.984165637 2.983659692 2.983659692
2.971439581 2.975019232 3.007660844 3.001217204 2.996731774 2.993730271
2.862772146 2.872434057 2.993229143 2.998727783 2.994731773 2.991724252
2.890371758 2.889260029 2.992727765 3.005187432 3.003700443 3.003700443
2.797890905 2.814210397 2.930126516 2.959586827 2.97603964 2.986691529
2.855895328 2.862772146 2.947591898 2.965788397 2.973997781 2.980110893
2.744060639 2.750470917 2.913437031 2.949164638 2.964241606 2.975019232
2.840247371 2.841414913 2.936512914 2.962692419 2.97603964 2.986186861
2.817203515 2.821378886 2.915606229 2.935982269 2.947067102 2.957511061
2.836150204 2.829677689 2.938103161 2.961140829 2.973997781 2.986186861
2.903068589 2.925846146 3.032546247 3.039749159 3.043569603 3.045474365
2.987700102 3.023347441 3.060583246 3.060114532 3.060114532 3.060114532
3.023833704 3.029650492 3.085572978 3.079153882 3.078693794 3.078693794
3.387774361 3.343215099 3.273742726 3.23317313 3.201119103 3.168003494
3.284663565 3.274121299 3.221272949 3.185939325 3.16463081 3.147594623
3.348499593 3.346741196 3.298426104 3.244153632 3.212455257 3.195811885
3.32251486 3.327909586 3.24998682 3.191710157 3.162940193 3.144152279
3.377587516 3.371425223 3.291010423 3.224857897 3.191710157 3.173459961
3.410817625 3.426215145 3.308716529 3.229222117 3.193763124 3.176803048
3.510948246 3.508855256 3.390473418 3.300640127 3.259249719 3.240245851
3.646232879 3.625140613 3.476614021 3.354455119 3.292126287 3.258865473
3.538928277 3.524888854 3.454738149 3.328626689 3.249211025 3.206803244
3.706964922 3.698829785 3.541828511 3.400863993 3.316365446 3.272606147
3.672241813 3.660737148 3.507357577 3.375537635 3.296207168 3.25617161
3.399529325 3.379973745 3.237501289 3.141994781 3.101442728 3.075928816
3.553346059 3.542118073 3.380994674 3.270329106 3.213662258 3.176803048
3.478467017 3.485232111 3.325395668 3.223266173 3.165475048 3.127199036
3.505557397 3.50013733 3.348850901 3.247268899 3.195402469 3.162093811
3.384390263 3.364187556 3.256556892 3.185112195 3.143289838 3.118834471
3.498021566 3.492256113 3.348148161 3.259633817 3.210843653 3.181796817
3.369018483 3.422958873 3.295466427 3.211246798 3.171364842 3.148024084
3.277144733 3.273742726 3.169265324 3.113515309 3.097837496 3.08876714