求助：R用两阶段极大似然估计法对Copula模型的参数估计（来自enjoy the joy of copulas：with a package copula）

beizi

求助：谁能帮我详细解读一下，理解了两阶段极大似然估计的方法，却看不懂这个？

R> loglik.marg <- function(b, x) sum(dgamma(x, shape = b[1], scale = b[2],

+ log = TRUE))

R> ctrl <- list(fnscale = -1)

R> b1hat <- optim(b1.0, fn = loglik.marg, x = dat[, 1], control = ctrl)$par

R> b2hat <- optim(b2.0, fn = loglik.marg, x = dat[, 2], control = ctrl)$par

R> udat <- cbind(pgamma(dat[, 1], shape = b1hat[1], scale = b1hat[2]),

+ pgamma(dat[, 2], shape = b2hat[1], scale = b2hat[2]))

R> fit.ifl <- fitCopula(udat, myMvd@copula, start = a.0)

amydh2005

回复第1楼的 beizi：请教一下，如何在R里用COPULA拟合实际数据啊，例子里面都是用产生的随机数去拟合的？非常感谢

Ihavenothing

回复第2楼的 amydh2005：

把两列数据先转成均匀分布（通常的做法是rank(x)/(length(x)+1)），再用Copula拟合。

amydh2005

回复第3楼的 Ihavenothing：

非常感谢，还想请教一下，把两列数据转成均匀分布后，使用fitCopula可以估计出copula函数的参数theta，边缘分布已拟合出来，其参数也估计出来了。但是感觉这两部分还是分开的似的，估计copula函数的参数theta时也没有用到边缘分布（比如用相关指标法估计theta，只需要计算序列的Kendall相关系数就行）。在什么地方可以反映出连接起来了呢？还有就是模型的拟合检验应该怎么做？非常感谢

Ihavenothing

回复第4楼的 amydh2005：

Copula最重要的思想就是相关结构与边缘分布的分离，所以理论上Copula的估计是与边缘分布无关的，这是最理想的情况。但由于将数据转成均匀分布是要用到边缘分布的信息的，所以这两者实际上会互相影响。

检验的话我个人感觉目前的理论还不是太成熟，有一篇文章你可以参考一下：Goodness-of-fit tests for copulas: A review and a power study。

amydh2005

回复第5楼的 Ihavenothing：

谢谢，那么将实际数据转成均匀分布时，可用rank(x)/(length(x)+1)），还有其他的方法，其实也就是求出经验频率，对吗？但是在实际中不一定服从均匀分布的，只是求出经验频率，把实际数据都转换到（0,1）区间，是这样吗？非常感谢

beizi

回复第5楼的 Ihavenothing：请教下，难道是把边缘分布的残差序列转成均匀分布？

beizi

回复第2楼的 amydh2005：不好意思，才看到，你的问题应该解决了吧

huangziwei

回复第8楼的 beizi：我还是没看懂那段程序。。。

amydh2005

回复第5楼的 Ihavenothing：请问一下，给定一个联合累积概率，会有很多组（X，Y）满足条件，如何求满足条件的这些X，Y呢？copula包里面没有像qcopula（）这一类的函数，目前很困惑怎么画对应联合重现期的（X,Y）的等高线图和求条件概率

amydh2005

回复第8楼的 beizi：请问一下，给定一个联合累积概率，会有很多组（X，Y）满足条件，如何求满足条件的这些X，Y呢？copula包里面没有像qcopula（）这一类的函数，目前很困惑怎么画对应联合重现期的（X,Y）的等高线图和求条件概率