copulaFit - WeAreCAS

Description

L'action copulaFit estime les paramètres pour un type de copule spécifié. Elle est utile pour modéliser la structure de dépendance entre plusieurs variables aléatoires indépendamment de leurs distributions marginales.

copula.copulaFit / copulatype="CLAYTON"|"FRANK"|"GUMBEL"|"NORMAL"|"T", table={name='<table-name>' <, ...>}, var={'<variable-1>' <, '<variable-2>', ...>}, <corrtable={<castable>}>, <df=<double>>, <display={<displayTables>}>, <initialvalues={'<string-1>' <, '<string-2>', ...>}>, <KendallCorrtable={<castable>}>, <margApproxOpts={<margApproxOpts>}>, <marginals="EMPIRICAL"|"UNIFORM">, <method="CAL"|"MLE">, <name='<string>'>, <optimizer={<optimizerOpts>}>, <outpseudo={<casouttable>}>, <outputTables={<outputTables>}>, <plot={<plots>}>, <store={<casouttable>}>, <theta=<double>>, <tolerance=<double>>, <varSummary=TRUE|FALSE>;

Paramètres

Paramètre	Description
copulatype	Spécifie le type de la copule à estimer. Les types disponibles incluent les copules archimédiennes (CLAYTON, FRANK, GUMBEL) et elliptiques (NORMAL, T).
table	Spécifie la table de données d'entrée contenant les variables à analyser.
var	Spécifie la liste des noms de variables pour l'ajustement de la copule.
corrtable	Spécifie la table de données qui contient la matrice des corrélations de Pearson à utiliser lors de l'ajustement d'une copule t.
df	Spécifie une valeur initiale pour les degrés de liberté (df) lors de l'ajustement d'une copule t.
display	Spécifie la liste des tables de résultats à créer. Si omis, toutes les tables sont générées.
initialvalues	Fournit les valeurs initiales pour l'optimisation numérique. Pour les copules archimédiennes, les valeurs initiales sont calculées par la méthode de calibration.
KendallCorrtable	Spécifie la table de données qui contient la matrice des corrélations de Kendall à utiliser lors de l'ajustement d'une copule t.
margApproxOpts	Spécifie les options pour l'approximation de la fonction de distribution marginale empirique par la méthode adaptative.
marginals	Spécifie la distribution marginale des variables individuelles. 'EMPIRICAL' utilise la distribution empirique, 'UNIFORM' suppose que les données sont déjà transformées en pseudo-échantillons uniformes.
method	Spécifie la méthode d'estimation des paramètres. 'MLE' (Maximum Likelihood Estimation) est la méthode par défaut, 'CAL' (Calibration) utilise une méthode basée sur la corrélation de Kendall.
name	Spécifie un identifiant pour l'ajustement, stocké comme une variable ID dans la table de sortie spécifiée par le paramètre `store`.
optimizer	Spécifie les paramètres qui contrôlent divers aspects du processus d'estimation des paramètres.
outpseudo	Spécifie la table de sortie pour sauvegarder les pseudo-échantillons avec des distributions marginales uniformes.
outputTables	Spécifie la liste des tables de résultats à sortir en tant que tables CAS.
plot	Spécifie les options pour produire des graphiques de diagnostic et de corrélation.
store	Stocke les propriétés du modèle et les résultats de l'ajustement dans un item store pour une utilisation ultérieure, par exemple avec l'action `copulaSimulate`.
theta	Spécifie une valeur initiale pour le paramètre de dépendance thêta des copules archimédiennes.
tolerance	Spécifie la tolérance autorisée pour l'ajustement.
varSummary	Si TRUE, produit une table décrivant les propriétés statistiques de base des variables du modèle.

Préparation des Données Voir la fiche de ce code dataprep

Création de Données de Simulation

Ce bloc de code SAS crée une table CAS nommée 'simdata' avec 1000 observations et deux variables, 'y1' et 'y2', qui suivent une distribution log-normale. Ces données seront utilisées pour ajuster un modèle de copule.

Copié !

1	DATA mycas.simdata(keep=y1 y2);
2	call streaminit(123);
3	DO i = 1 to 1000;
4	x1 = rand('NORMAL');
5	x2 = 0.6x1 + 0.8rand('NORMAL');
6	y1 = exp(x1/2);
7	y2 = exp(x2/2);
8	OUTPUT;
9	END;
10	RUN;

Exemples

Cet exemple montre comment ajuster une copule de Clayton simple en utilisant la méthode de la vraisemblance maximale (MLE) sur les variables 'y1' et 'y2' de la table 'simdata'.

Code SAS® / CAS Code en attente de validation par la communauté

Copié !

1	PROC CAS;
2	copula.copulaFit /
3	TABLE={name='simdata'},
4	var={'y1', 'y2'},
5	copulaType='CLAYTON',
6	method='MLE';
7	RUN;

Résultat :
La sortie inclura les estimations des paramètres pour la copule de Clayton, ainsi que des statistiques d'ajustement comme le log-vraisemblance, l'AIC et le BIC.

Cet exemple ajuste une copule t en utilisant la méthode de calibration (CAL). Il spécifie une valeur initiale pour les degrés de liberté (df=5), demande un résumé des variables, génère des graphiques de diagnostic (scatter plot) et stocke le modèle ajusté dans un item store nommé 'myfit' pour une utilisation ultérieure.

Code SAS® / CAS Code en attente de validation par la communauté

Copié !

1	PROC CAS;
2	copula.copulaFit /
3	TABLE={name='simdata'},
4	var={'y1', 'y2'},
5	copulaType='T',
6	method='CAL',
7	df=5,
8	varSummary=true,
9	plot={scatter=true},
10	store={name='myfit', replace=true};
11	RUN;

Résultat :
La sortie affichera un résumé des variables d'entrée, les estimations des paramètres pour la copule t (y compris les degrés de liberté estimés), et la matrice de corrélation. Un graphique de dispersion des données transformées sera également généré. L'item store 'myfit' sera créé dans la caslib active.

FAQ

Quelle est la fonction principale de l'action copulaFit dans SAS Viya ?

Quels sont les paramètres obligatoires pour utiliser l'action copulaFit ?

Quels types de copules peuvent être estimés avec l'action copulaFit ?

Quelles méthodes d'estimation sont disponibles dans l'action copulaFit ?

Comment puis-je spécifier les distributions marginales des variables ?

Est-il possible de sauvegarder le modèle ajusté pour une utilisation ultérieure ?

Que faire si j'ajuste une copule 't' et que je dispose déjà d'une matrice de corrélation ?

Description

Création de Données de Simulation

Exemples

Ajustement d'une Copule de Clayton

Ajustement d'une Copule t avec Stockage et Visualisation

FAQ