copula

copulaFit

#set_copula

Beschreibung

Schätzt die Parameter für einen angegebenen Copula-Typ.

copula.copulaFit <result=results> <status=rc> / copulatype="CLAYTON" | "FRANK" | "GUMBEL" | "NORMAL" | "T", corrtable={caslib="string", computedOnDemand=TRUE | FALSE, computedVars={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, computedVarsProgram="string", dataSourceOptions={key-1=any-list-or-data-type-1 <, key-2=any-list-or-data-type-2, ...>}, groupBy={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, groupByMode="NOSORT" | "REDISTRIBUTE", importOptions={fileType="ANY" | "AUDIO" | "AUTO" | "BASESAS" | "CSV" | "DELIMITED" | "DOCUMENT" | "DTA" | "ESP" | "EXCEL" | "FMT" | "HDAT" | "IMAGE" | "JMP" | "LASR" | "PARQUET" | "SOUND" | "SPSS" | "VIDEO" | "XLS", fileType-specific-parameters}, name="table-name", orderBy={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, singlePass=TRUE | FALSE, vars={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, where="where-expression", whereTable={casLib="string"dataSourceOptions={adls_noreq-parameters | bigquery-parameters | cas_noreq-parameters | clouddex-parameters | db2-parameters | dnfs-parameters | esp-parameters | fedsvr-parameters | gcs_noreq-parameters | hadoop-parameters | hana-parameters | impala-parameters | informix-parameters | jdbc-parameters | mongodb-parameters | mysql-parameters | odbc-parameters | oracle-parameters | path-parameters | postgres-parameters | redshift-parameters | s3-parameters | sapiq-parameters | sforce-parameters | singlestore_standard-parameters | snowflake-parameters | spark-parameters | spde-parameters | sqlserver-parameters | ss_noreq-parameters | teradata-parameters | vertica-parameters | yellowbrick-parameters}importOptions={fileType="ANY" | "AUDIO" | "AUTO" | "BASESAS" | "CSV" | "DELIMITED" | "DOCUMENT" | "DTA" | "ESP" | "EXCEL" | "FMT" | "HDAT" | "IMAGE" | "JMP" | "LASR" | "PARQUET" | "SOUND" | "SPSS" | "VIDEO" | "XLS", fileType-specific-parameters}name="table-name"vars={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}where="where-expression"}}, df=double, display={caseSensitive=TRUE | FALSE, exclude=TRUE | FALSE, excludeAll=TRUE | FALSE, keyIsPath=TRUE | FALSE, names={"string-1" <, "string-2", ...>}, pathType="LABEL" | "NAME", traceNames=TRUE | FALSE}, initialvalues={"string-1" <, "string-2", ...>}, KendallCorrtable={caslib="string", computedOnDemand=TRUE | FALSE, computedVars={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, computedVarsProgram="string", dataSourceOptions={key-1=any-list-or-data-type-1 <, key-2=any-list-or-data-type-2, ...>}, groupBy={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, groupByMode="NOSORT" | "REDISTRIBUTE", importOptions={fileType="ANY" | "AUDIO" | "AUTO" | "BASESAS" | "CSV" | "DELIMITED" | "DOCUMENT" | "DTA" | "ESP" | "EXCEL" | "FMT" | "HDAT" | "IMAGE" | "JMP" | "LASR" | "PARQUET" | "SOUND" | "SPSS" | "VIDEO" | "XLS", fileType-specific-parameters}, name="table-name", orderBy={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, singlePass=TRUE | FALSE, vars={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, where="where-expression", whereTable={casLib="string"dataSourceOptions={adls_noreq-parameters | bigquery-parameters | cas_noreq-parameters | clouddex-parameters | db2-parameters | dnfs-parameters | esp-parameters | fedsvr-parameters | gcs_noreq-parameters | hadoop-parameters | hana-parameters | impala-parameters | informix-parameters | jdbc-parameters | mongodb-parameters | mysql-parameters | odbc-parameters | oracle-parameters | path-parameters | postgres-parameters | redshift-parameters | s3-parameters | sapiq-parameters | sforce-parameters | singlestore_standard-parameters | snowflake-parameters | spark-parameters | spde-parameters | sqlserver-parameters | ss_noreq-parameters | teradata-parameters | vertica-parameters | yellowbrick-parameters}importOptions={fileType="ANY" | "AUDIO" | "AUTO" | "BASESAS" | "CSV" | "DELIMITED" | "DOCUMENT" | "DTA" | "ESP" | "EXCEL" | "FMT" | "HDAT" | "IMAGE" | "JMP" | "LASR" | "PARQUET" | "SOUND" | "SPSS" | "VIDEO" | "XLS", fileType-specific-parameters}name="table-name"vars={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}where="where-expression"}}, margApproxOpts={algorithm="BIN" | "SORT", interpolation="LINEAR" | "MONOCUBIC" | "STEP", maxiters=integer, refineres=integer, sampletol=double}, marginals="EMPIRICAL" | "UNIFORM", method="CAL" | "MLE", name="string", optimizer={aftl=double, agtl=double, algorithm="CONJUGATEGRADIENT" | "DOUBLEDOGLEG" | "NEWTONRAPHSONWITHLINESEARCH" | "NEWTONRAPHSONWITHRIDGING" | "NONE" | "QUASINEWTON" | "TRUSTREGION", atol=double, axtl=double, ceps=double, ftol=double, gtol=double, iterationHistory={basic=TRUE | FALSE, estimatesForEachStep=TRUE | FALSE}, maxf=double, maxit=double, maxtime=double, sing=double}, outpseudo={caslib="string", compress=TRUE | FALSE, indexVars={"variable-name-1" <, "variable-name-2", ...>}, label="string", lifetime=64-bit-integer, maxMemSize=64-bit-integer, memoryFormat="DVR" | "INHERIT" | "STANDARD", name="table-name", promote=TRUE | FALSE, replace=TRUE | FALSE, replication=integer, tableRedistUpPolicy="DEFER" | "NOREDIST" | "REBALANCE", threadBlockSize=64-bit-integer, timeStamp="string", where={"string-1" <, "string-2", ...>}}, outputTables={groupByVarsRaw=TRUE | FALSE, includeAll=TRUE | FALSE, names={"string-1" <, "string-2", ...>}, repeated=TRUE | FALSE, replace=TRUE | FALSE}, plot={kendall=TRUE | FALSE, marginals=TRUE | FALSE, nsamples=integer, nvar=integer, resolution=integer, scatter=TRUE | FALSE, tail=TRUE | FALSE, uniform=TRUE | FALSE, unpackpanel=TRUE | FALSE}, store={caslib="string", label="string", lifetime=64-bit-integer, memoryFormat="DVR" | "INHERIT" | "STANDARD", name="table-name", promote=TRUE | FALSE, replace=TRUE | FALSE, tableRedistUpPolicy="DEFER" | "NOREDIST" | "REBALANCE"}, table={caslib="string", computedOnDemand=TRUE | FALSE, computedVars={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, computedVarsProgram="string", dataSourceOptions={key-1=any-list-or-data-type-1 <, key-2=any-list-or-data-type-2, ...>}, groupBy={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, groupByMode="NOSORT" | "REDISTRIBUTE", importOptions={fileType="ANY" | "AUDIO" | "AUTO" | "BASESAS" | "CSV" | "DELIMITED" | "DOCUMENT" | "DTA" | "ESP" | "EXCEL" | "FMT" | "HDAT" | "IMAGE" | "JMP" | "LASR" | "PARQUET" | "SOUND" | "SPSS" | "VIDEO" | "XLS", fileType-specific-parameters}, name="table-name", orderBy={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, singlePass=TRUE | FALSE, vars={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}, where="where-expression", whereTable={casLib="string"dataSourceOptions={adls_noreq-parameters | bigquery-parameters | cas_noreq-parameters | clouddex-parameters | db2-parameters | dnfs-parameters | esp-parameters | fedsvr-parameters | gcs_noreq-parameters | hadoop-parameters | hana-parameters | impala-parameters | informix-parameters | jdbc-parameters | mongodb-parameters | mysql-parameters | odbc-parameters | oracle-parameters | path-parameters | postgres-parameters | redshift-parameters | s3-parameters | sapiq-parameters | sforce-parameters | singlestore_standard-parameters | snowflake-parameters | spark-parameters | spde-parameters | sqlserver-parameters | ss_noreq-parameters | teradata-parameters | vertica-parameters | yellowbrick-parameters}importOptions={fileType="ANY" | "AUDIO" | "AUTO" | "BASESAS" | "CSV" | "DELIMITED" | "DOCUMENT" | "DTA" | "ESP" | "EXCEL" | "FMT" | "HDAT" | "IMAGE" | "JMP" | "LASR" | "PARQUET" | "SOUND" | "SPSS" | "VIDEO" | "XLS", fileType-specific-parameters}name="table-name"vars={{format="string", formattedLength=integer, label="string", name="variable-name", nfd=integer, nfl=integer}, {...}}where="where-expression"}}, theta=double, timingReport={details=TRUE | FALSE, summary=TRUE | FALSE}, tolerance=double, var={"string-1" <, "string-2", ...>}, varSummary=TRUE | FALSE ;
Einstellungen
ParameterBeschreibung
copulatypegibt den Typ der zu schätzenden Copula an.
corrtablegibt die Datentabelle an, die die Pearson-Korrelationsmatrix enthält, die beim Anpassen einer t-Copula verwendet werden soll.
dfgibt einen Anfangswert für df an, wenn eine t-Copula angepasst wird.
displaygibt die Liste der Anzeigetabellen an, die die Aktion erstellen soll. Wenn Sie diesen Parameter weglassen, werden alle Tabellen erstellt.
initialvaluesstellt die Anfangswerte für die numerische Optimierung bereit. Bei Archimedeschen Copulas werden die Anfangswerte der Parameter mit der Kalibrierungsmethode berechnet.
KendallCorrtablegibt die Datentabelle an, die die Kendall-Korrelationsmatrix enthält, die beim Anpassen einer t-Copula verwendet werden soll.
margApproxOptsgibt die Optionen an, die bei der Annäherung der empirischen Randverteilungsfunktion mit der adaptiven Methode verwendet werden.
marginalsgibt die Randverteilung der einzelnen Variablen an.
methodgibt die Methode zur Schätzung der Parameter an.
namegibt eine Kennung für die Anpassung an, die als ID-Variable im OUTCOPULA-Datensatz gespeichert wird.
optimizergibt Parameter an, die verschiedene Aspekte des Parameterschätzungsprozesses steuern.
outpseudogibt den Ausgabedatensatz zum Speichern der Pseudo-Stichproben mit einheitlichen Randverteilungen an.
outputTablesgibt die Liste der Anzeigetabellen an, die Sie als CAS-Tabellen ausgeben möchten. Wenn Sie diesen Parameter weglassen, werden keine Tabellen als CAS-Tabellen ausgegeben.
plotgibt die Optionen an, die zur Erstellung von Korrelationsdiagrammen verwendet werden.
storespeichert Modelleigenschaften und Anpassungsergebnisse in einem Item-Store.
tablegibt die Eingabedatentabelle an.
thetagibt einen Anfangswert für Theta an.
tolerancegibt die für die Anpassung zulässige Toleranz an.
vargibt die Liste der Variablennamen für die Anpassung einer Copula an.
varSummarywenn auf True gesetzt, wird eine Tabelle erstellt, die einige grundlegende statistische Eigenschaften der Variablen in Ihrem Modell beschreibt.
Datenaufbereitung Datenaufbereitungsblatt ansehen
Erstellung von Beispieldaten

Dieses Beispiel erstellt eine CAS-Tabelle 'mycas.SampleData' mit zwei korrelierten Variablen 'y1' und 'y2', die für die Copula-Anpassung geeignet sind.

Kopiert!
1DATA mycas.SampleData;
2 call streaminit(123);
3 DO i = 1 to 1000;
4 x1 = rand('NORMAL');
5 x2 = rand('NORMAL');
6 y1 = exp(0.5 * x1);
7 y2 = exp(0.25 * x1 + sqrt(1 - 0.25**2) * x2);
8 OUTPUT;
9 END;
10RUN;

Beispiele

Dieses Beispiel zeigt, wie man eine Normal-Copula mit der Maximum-Likelihood-Methode an die Daten in 'mycas.SampleData' anpasst.

SAS® / CAS-Code Code wartet auf Validierung durch die Community
Kopiert!
1PROC CAS;
2 copula.copulaFit /
3 TABLE={name='SampleData', caslib='mycas'},
4 var={'y1', 'y2'},
5 copulaType='NORMAL',
6 name='myfit';
7RUN;
Ergebnis :
Die Aktion passt eine Normal-Copula an und gibt Tabellen mit Anpassungszusammenfassungen, Parameterschätzungen und der Korrelationsmatrix aus. Der Name 'myfit' wird der Anpassung zur späteren Referenz zugewiesen.

Dieses Beispiel passt eine t-Copula mit der Kalibrierungsmethode an. Es gibt die Anfangswerte für die Freiheitsgrade (df) und den Parameter theta an. Es generiert auch verschiedene Plots, einschließlich eines Streudiagramms und eines Kendall-Plots, und speichert das Anpassungsergebnis in einem Item-Store namens 'mycas.myCopulaStore'.

SAS® / CAS-Code Code wartet auf Validierung durch die Community
Kopiert!
1PROC CAS;
2 copula.copulaFit /
3 TABLE={name='SampleData', caslib='mycas'},
4 var={'y1', 'y2'},
5 copulaType='T',
6 method='CAL',
7 df=5,
8 theta=0.5,
9 name='myfit_t',
10 plot={scatter=true, kendall=true, nsamples=500},
11 store={name='myCopulaStore', caslib='mycas', replace=true};
12RUN;
Ergebnis :
Die Aktion passt eine t-Copula an, gibt die Anpassungsstatistiken aus, generiert die angeforderten Plots zur visuellen Diagnose und speichert das resultierende Anpassungsobjekt im Item-Store 'mycas.myCopulaStore' zur späteren Verwendung bei Simulationen oder Bewertungen.

FAQ

Was ist der Zweck der `copulaFit`-Aktion?
Welche Arten von Copulas können mit `copulaFit` geschätzt werden?
Welche Schätzmethoden sind für die Parameter verfügbar?
Wie können die Randverteilungen der einzelnen Variablen spezifiziert werden?
Was bewirkt der `store`-Parameter?
Können die Pseudo-Stichproben mit einheitlichen Randverteilungen in einem Ausgabedatensatz gespeichert werden?
Welche Optimierungsalgorithmen können für die Parameterschätzung verwendet werden?
Copyright © WeAreCAS 2023-2025