バックグラウンド

だから私が持っているかもしれない理解のレベルを測るためのいくつかの背景。現在修士論文を完成させていますが、統計はほとんど無視されていますが、私は基本的には理解しています。私の現在の質問は、私が実際に何ができる/すべきか疑問に思っています。オンラインや文学でますます読むことは逆効果のようです。

私は何を達成しようとしていますか？

したがって、私が入社した論文では、私が回答しようとしている一般的な質問は、本質的に、予測プロセスが特定のシステムの実装によってどのように影響されるかです（予測プロセスに使用されるデータに影響します）。

これで望ましい結果は、以下の理解です。

1. 目立った変化はありますか？（例えば、統計的証明）
2. 変化はどのくらいですか？（平均と分散）
3. この予測プロセスで重要な要因（また、要因の影響が休憩前>休憩後にどのように変化するか）

1と2に答えるために、時系列オブジェクトの形式で履歴データを取得しました（この段階では、それ以上ですが無関係です）。私が使用しているソフトウェアはRです。

データ

データには、毎日（2.5年間）の加重スコアが含まれ、予測プロセスのパフォーマンスの悪さ（実際のイベントからの逸脱）を示します。この1つの時系列オブジェクトには、1時間前からこれらの2.5年間のイベントの実際の発生（1時間の間隔）までに発生した予測の加重スコアが含まれます（したがって、各日には、この間隔の加重スコアが1つあります）。同様に、他の間隔（1〜2、2〜3時間など）に対して構築された複数の時系列があります。

myts1 <- structure(c(412.028462047, 468.938224875, 372.353242472, 662.26844965, 
                 526.872020535, 396.434818388, 515.597528222, 536.940884418, 642.878650146, 
                 458.935314286, 544.096691918, 544.378838523, 486.854043968, 478.952935122, 
                 533.171083451, 507.543369365, 475.992539251, 411.626822157, 574.256785085, 
                 489.424743512, 558.03917366, 488.892234577, 1081.570101272, 488.410996801, 
                 420.058151274, 548.43547725, 759.563191992, 699.857042552, 505.546581256, 
                 2399.735167563, 959.058553387, 565.776425823, 794.327364085, 
                 1060.096712241, 636.011672603, 592.842508666, 643.576323635, 
                 639.649884944, 420.788373053, 506.948276856, 503.484363746, 466.642585817, 
                 554.521681602, 578.44355769, 589.29487224, 636.837396631, 647.548662447, 
                 740.222655163, 391.545826142, 537.551842222, 908.940523615, 590.446686171, 
                 543.002925217, 1406.486794264, 1007.596435757, 617.098818856, 
                 633.848676718, 576.040175894, 881.49475483, 687.276105325, 628.977801859, 
                 1398.136047241, 749.644445942, 639.958039461, 649.265606673, 
                 645.57852203, 577.862446744, 663.218073256, 593.034544803, 672.096591437, 
                 544.776355324, 720.242877214, 824.963939263, 596.581822515, 885.215989867, 
                 693.456405627, 552.170633931, 618.855329732, 1030.291011295, 
                 615.889921256, 799.498196448, 570.398558528, 680.670975027, 563.404802085, 
                 494.790365745, 756.684436338, 523.051238729, 535.502475619, 520.8344231, 
                 623.971011973, 928.274580287, 639.702434094, 583.234364572, 623.144865566, 
                 673.342687695, 567.501447619, 602.473664361, 655.181508321, 593.662768316, 
                 617.830786992, 652.461315007, 496.505155747, 550.24687917, 588.952116381, 
                 456.603281447, 425.963966309, 454.729462342, 487.22846023, 613.269432488, 
                 474.916140657, 505.93051487, 536.401546008, 555.824475073, 509.429036303, 
                 632.232746263, 677.102831732, 506.605957979, 701.99882145, 499.770942819, 
                 555.599224002, 557.634152694, 448.693828549, 661.921921922, 447.00540349, 
                 561.194112634, 590.797954608, 590.739061378, 445.949400588, 725.589882976, 
                 480.650749378, 587.03144903, 483.054524693, 428.813155209, 540.609606719, 
                 495.756149832, 409.713220791, 492.43287131, 618.492643291, 723.203623076, 
                 461.433833742, 420.414959481, 480.501175081, 564.955582744, 453.0704893, 
                 506.711353939, 521.12661934, 487.509966405, 483.442305774, 506.932771141, 
                 442.871555249, 873.285819221, 1201.628963682, 1392.479592817, 
                 693.292446258, 629.477998542, 660.777526646, 414.376675251, 475.517946081, 
                 501.626384564, 470.216781646, 444.195433559, 697.258566625, 546.966755779, 
                 428.945521943, 388.203080434, 579.759476551, 548.433130604, 453.950530959, 
                 460.613845164, 534.329569431, 560.663080722, 660.799405665, 432.3134958, 
                 569.59842379, 518.195281689, 650.007266105, 521.642137647, 442.763872575, 
                 687.470213886, 951.651918891, 589.611971045, 493.203713291, 431.966577408, 
                 616.912296912, 685.80916291, 502.518373775, 595.630289879, 563.104035749, 
                 523.383707347, 532.042896625, 470.949823756, 603.408124923, 615.301428799, 
                 708.26541245, 725.853182875, 705.777543119, 530.351781147, 698.828825921, 
                 462.173187592, 366.411986505, 848.613888761, 502.940599188, 456.044881766, 
                 605.321231272, 629.861109863, 431.130428123, 509.672767868, 457.598828697, 
                 553.932034119, 610.181457495, 581.59017099, 540.788638119, 705.226962669, 
                 610.670142045, 566.392016015, 611.086310256, 603.256299175, 766.372982953, 
                 801.921868916, 761.708239486, 580.712445849, 575.53616943, 540.066255921, 
                 608.133122153, 735.063468208, 637.091441112, 778.874033589, 689.350099602, 
                 1003.219851026, 624.107808848, 635.887051641, 420.915060155, 
                 511.460563095, 817.08209288, 603.089908306, 772.6493477, 797.148459813, 
                 588.255963229, 499.050860875, 502.059987, 565.524637543, 1663.182976069, 
                 2281.49950544, 1442.687607103, 1024.355834401, 899.519857882, 
                 988.585993922, 612.834835776, 641.686600038, 717.951451466, 746.441686309, 
                 1147.770724052, 596.279691286, 932.861076555, 497.228997645, 
                 764.895725484, 659.054003787, 1148.227820587, 1403.462969143, 
                 624.733620842, 803.199038618, 839.637983048, 1278.286165347, 
                 774.363457936, 662.767213211, 627.251799204, 650.180035442, 1296.405174964, 
                 662.928010153, 523.095967567, 620.727894789, 650.876097695, 509.534317267, 
                 479.922326477, 613.743251306, 430.117763379, 1825.108688714, 
                 744.708270099, 455.818978039, 370.908485795, 771.317824437, 688.219350724, 
                 468.16351523, 791.649828808, 666.360829114, 1427.809117119, 2861.163543428, 
                 1090.887950582, 621.942045727, 397.381382335, 397.697308586, 
                 494.441558442, 474.314526966, 888.812606506, 476.031636688, 651.907747324, 
                 389.95997873, 680.776897408, 1499.093314237, 1077.571595752, 
                 765.690897368, 571.545469449, 590.64855754, 492.371592484, 580.811781306, 
                 873.628734717, 602.958435426, 549.877214337, 546.66120979, 394.75285753, 
                 520.238244635, 517.217468365, 903.057976974, 528.477241796, 378.958677302, 
                 491.589659729, 548.665964908, 453.512746452, 481.081050678, 491.499714029, 
                 628.539705456, 672.540312912, 1686.825394554, 1367.577856001, 
                 600.373039737, 417.511405109, 511.75535978, 440.677427555, 493.430816323, 
                 533.025975459, 547.429120615, 432.168874608, 555.098163047, 521.644301834, 
                 667.159371501, 421.591007887, 757.218378664, 615.572602597, 433.961482908, 
                 528.813953729, 633.228715271, 519.648748842, 437.342815473, 551.877832301, 
                 703.377801948, 536.673383258, 658.597165739, 1449.850501569, 
                 615.204142853, 499.197033946, 853.692014263, 490.213941347, 812.68824521, 
                 521.364349414, 818.757704456, 848.59674442, 646.819554339, 471.051626838, 
                 598.326620222, 782.58569568, 754.880939869, 636.572395084, 686.076138643, 
                 530.158582782, 524.696479569, 525.441231521, 593.834663615, 415.830854949, 
                 590.135594493, 591.019407595, 503.321975981, 515.371205208, 494.805384342, 
                 567.397190671, 482.180658052, 724.099533838, 791.107121538, 564.673191002, 
                 572.551388184, 729.46937136, 943.538757014, 519.051645932, 994.190842696, 
                 866.69659257, 610.021553913, 547.791568399, 578.854543644, 684.826681706, 
                 815.179238308, 617.050464226, 623.818649573, 537.163825262, 529.850027242, 
                 926.531531345, 588.578930644, 457.329084489, 380.160216157, 494.287689357, 
                 463.885244047, 451.611520014, 762.508948042, 773.74942889, 1642.691010358, 
                 555.226392541, 659.433830806, 454.348720108, 388.274823265, 650.63824747, 
                 632.327400443, 584.93699748, 484.815917524, 733.153950316, 471.349864174, 
                 418.755413722, 547.060192029, 742.028289483, 521.119798289, 1176.207996336, 
                 524.730544122, 430.009783422, 558.479383664, 574.162550914, 526.08247269, 
                 611.207728202, 551.202548069, 472.046973518, 517.490179087, 556.135143079, 
                 628.084374004, 413.677676623, 439.814082201, 1011.775306843, 
                 684.443831473, 546.421742134, 578.853727684, 517.693483714, 638.112468944, 
                 631.531739664, 501.897019514, 661.11860926, 521.695715961, 474.403897254, 
                 463.294645328, 559.583511974, 531.953658919, 740.412596176, 534.815607516, 
                 462.329096628, 637.941748843, 702.69170843, 471.390065606, 590.458408612, 
                 617.006573387, 565.411288964, 472.986933034, 567.745850996, 596.925622448, 
                 474.068038429, 653.56453828, 612.893376781, 711.545758298, 527.783301631, 
                 478.530081662, 519.751192408, 536.550807025, 443.437342694, 587.403769673, 
                 601.15805729, 556.497167238, 374.228230116, 477.027420471, 494.984999444, 
                 879.314339401, 704.997313272, 626.546803934, 653.296523326, 435.581408863, 
                 633.048339362, 403.889616794, 488.214190958, 575.631003993, 430.984422675, 
                 437.83561603, 522.277281965, 475.602597701, 527.12160277, 944.139469794, 
                 474.50403295, 579.478722386, 459.088134733, 503.246692031, 610.022771263, 
                 446.143895372, 625.022916127, 517.435543013, 891.375454252, 555.864115385, 
                 474.764739145, 921.714956231, 645.896256587, 1536.221634415, 
                 816.575921465, 596.491670621, 503.56011064, 720.743463226, 905.835642175, 
                 1360.481537034, 653.224092421, 633.505228314, 546.064475635, 
                 482.454025258, 962.715357696, 618.202090733, 803.895156435, 668.047995992, 
                 594.566585046, 839.597813143, 457.375793588, 631.863607862, 475.266615122, 
                 664.569635822, 481.886574644, 1614.962054217, 869.212340286, 
                 501.400781534, 478.670649186, 521.824073342, 684.720851031, 597.124676952, 
                 605.903108456, 491.358096619, 430.812042311, 388.350092055, 488.132638097, 
                 413.131448595, 391.891460495, 430.760685279, 731.99097305, 382.200799877, 
                 511.48361093, 560.620999712, 528.369543055, 536.348770159, 721.297750609, 
                 491.321646454, 509.521489714, 561.318889907, 553.24041301, 459.235996646, 
                 354.741174128, 339.775552834, 432.548724483, 438.672630955, 508.177204773, 
                 496.199702536, 643.867549669, 611.460979278, 861.190516859, 662.56052508, 
                 524.398593443, 529.585928069, 607.575374022, 495.001029442, 700.371352785, 
                 794.753142167, 466.792229932, 435.426320832, 450.903747896, 622.562955777, 
                 1562.215153595, 725.069249874, 612.357398912, 418.579228487, 
                 381.667629501, 528.173266471, 687.876352966, 655.845568131, 423.589678964, 
                 612.545707971, 951.362478322, 1800.162370822, 600.672989388, 
                 531.048286916, 527.565406977, 402.380659606, 607.699770367, 1486.296473731, 
                 686.560841226, 4176.136413427, 3086.067140966, 1872.815975088, 
                 771.413460362, 843.791946967, 652.825527602, 642.443948966, 726.208291336, 
                 641.092848676, 488.237988698, 606.154989706, 1426.027951807, 
                 959.347533388, 649.856202928, 527.580884911, 400.545393834, 568.268813107, 
                 631.257023117, 515.755741256, 682.375587555, 583.855170876, 506.146152757, 
                 517.095094378, 563.415777949, 801.015579658, 649.56360904, 732.097267107, 
                 456.626323752, 499.170138889, 549.393587002, 556.589070013, 590.180621262, 
                 667.709332802, 421.738377899, 661.178862228, 570.833727593, 631.139001868, 
                 545.835879493, 559.918523671, 1364.379214546, 985.777069008, 
                 644.949427255, 493.066294248, 476.852498787, 379.716401582, 715.333935018, 
                 459.326945313, 621.665546323, 476.317803131, 519.803138696, 409.241665463, 
                 465.206511176, 594.689036224, 443.841857849, 399.830019307, 570.65982956, 
                 516.562325113, 381.909941529, 532.130831616, 650.329631588, 661.055942562, 
                 1136.942413908, 508.543555485, 976.852889691, 1461.16921717, 
                 646.062436059, 593.093537367, 624.839875084, 453.453385269, 584.633165187, 
                 507.616009915, 516.857276979, 434.651983821, 572.755844368, 454.901132196, 
                 707.698546138, 760.341584614, 449.252091224, 623.217222998, 625.061550699, 
                 2030.045687713, 1582.036383383, 677.325281969, 571.588930686, 
                 493.235172445, 556.291968991, 424.360693057, 436.333980583, 484.105667103, 
                 505.231040152, 378.767240615, 495.943549377, 321.856525703, 363.651848067, 
                 557.201599565, 603.658298878, 558.958198405, 789.717963533, 480.370977054, 
                 509.366153138, 467.526623793, 576.508422894, 661.322171003, 520.804998847, 
                 342.109381368, 473.512224982, 984.139466992, 487.586712759, 605.914245454, 
                 459.190981983, 678.728907858, 342.511103348, 436.746013478, 520.896987467, 
                 818.078350515, 527.494249096, 713.52499017, 610.365469264, 462.965548015, 
                 362.931986459, 810.610193032, 393.455578799, 536.720944152, 551.490260933, 
                 464.369987186, 275.832746918, 513.723009815, 491.945195301, 438.865839297, 
                 257.252871794, 615.513481211, 420.507536576, 392.035094971, 392.963333027, 
                 435.276624468, 253.431425091, 592.873595776, 500.615067792, 503.491101855, 
                 475.352827724, 1135.11762886, 723.666909467, 712.259187274, 559.738346197, 
                 490.958692763, 435.998397207, 729.341315271, 406.369683231, 632.626098862, 
                 565.318329487, 394.031553179, 356.627786519, 374.075606064, 336.505546227, 
                 393.168901965, 480.183256037, 573.840777708, 187.680483645, 170.978544639, 
                 209.134883957, 193.039610198, 224.362544607, 210.946012575, 166.006351727, 
                 201.500604051, 160.008039339, 229.847327915, 193.655724693, 255.575881835, 
                 207.0547762, 186.835573846, 247.776981217, 574.489201771, 602.683083111, 
                 202.592131296, 205.827635803, 279.139480224, 367.898232724, 245.75114848, 
                 304.004111775, 231.706217872, 159.750034155, 207.584399879, 239.854118732, 
                 212.711257914, 181.755353255, 225.98761652, 206.570825973, 193.940523176, 
                 203.851963746, 170.700301226, 226.41517367, 183.87542452, 206.640800387, 
                 218.953856594, 176.127748987, 168.205878516, 201.718224491, 171.421791143, 
                 193.065350731, 235.118975292, 217.002358158, 197.563916607, 219.266588546, 
                 168.044251777, 182.1752633, 172.514392523, 192.250197416, 171.023249603, 
                 151.848998035, 151.678097242, 173.28609604, 194.852548067, 178.742929426, 
                 180.591580951, 189.241987711, 206.960325123, 207.639468123, 307.389246296, 
                 197.203559504, 201.143394951, 313.861245405, 215.87226561, 218.500147257, 
                 201.993836847, 204.461813487, 180.04803872, 305.301279156, 214.880173012, 
                 250.930811019, 284.90370816, 212.518096229, 195.034955147, 190.236951118, 
                 257.088555132, 189.502428671, 239.652450054, 243.53269907, 289.820554649, 
                 249.011846483, 279.393483142, 194.006529415, 214.59905786, 247.746491522, 
                 224.723467084, 191.086994265, 271.654470268, 183.455652269, 327.307813653, 
                 149.721791725, 170.538132352, 192.954323882, 172.459631548, 199.829129152, 
                 163.257916856, 179.33550074, 207.618752518, 191.969484656, 191.506188821, 
                 176.446694609, 194.818608621, 167.891653012, 167.000377869, 201.869893803, 
                 183.895614224, 148.510174938, 157.27033831, 166.573696008, 309.557485177, 
                 595.559287832, 232.318746483, 188.295593138, 157.721093739, 177.753625321, 
                 214.844940799, 226.812056373, 213.910815993, 188.973729833, 243.306529363, 
                 202.733401293, 197.296870477, 182.523989567, 170.428625204, 172.593507241, 
                 151.926342178, 283.415923815, 163.456408737, 172.273699114, 159.382452668, 
                 182.158974043, 156.532047405, 182.768725504, 239.318216814, 151.579013694, 
                 148.216885776, 241.346766195, 257.110058666, 147.931152011, 186.2508302, 
                 197.379372605, 155.69798218, 147.370235658, 180.961415272, 168.372900875, 
                 297.9454882, 177.640856836, 170.535749604, 166.211309731, 178.463064513, 
                 175.035906056, 179.971897406, 162.858094293, 164.056675362, 250.151933362, 
                 195.49943188, 175.281720263, 182.392087534, 144.341091392, 241.466298465, 
                 184.806150673, 167.932448156, 150.621075732, 178.510315062, 209.913152992, 
                 222.798716921, 153.536476868, 190.326281004, 173.708412622, 148.075945402, 
                 149.147879365, 181.5851776, 141.012604897, 157.982751461, 159.364653673, 
                 151.777006477, 191.065323099, 139.076429662, 172.452344359, 182.482693518, 
                 287.424045314, 169.327943406, 298.970852166, 145.238645275, 175.211717467, 
                 165.116950464, 187.006564993, 160.959119092, 198.552333833, 170.406040157, 
                 162.10770001, 146.356131036, 170.336552623, 163.095730104, 155.192077125, 
                 217.182324478, 231.270198833, 256.905250226, 184.59676245, 175.557146633, 
                 164.246298131, 221.695058452, 197.911691457, 188.427830442, 259.361745153, 
                 164.243672823, 190.67188784, 182.331604811, 190.352555581, 248.738493256, 
                 196.854564795, 164.974185334, 332.650385373, 169.081552611, 193.578840033, 
                 192.166911863, 214.174943222, 271.287900593, 224.675083031, 171.950208574, 
                 173.867031268, 139.260432794, 177.012491325, 171.268066406, 132.714578168, 
                 197.224558817, 152.561299656, 143.415562042), .Tsp = c(2016.3306010929, 
                                                                        2018.99909424358, 365), class = "ts")

これまでの経緯

質問1については、構造的なブレークのテストを適用して、ブレークが発生したかどうか、および発生したとき（既知のブレーク日付で）を判別できることを理解しました。このために、Rでstrucchangeパッケージを使用し、ブレークポイント機能を利用します。

ただし、CUSUM（不明な休憩日用）テストも上司から推奨されました。ここで何が一番いいのかわからない？

編集：

AndrewのsupFテストは、すべての可能なブレークについてChowのテストを実行しているのがわかります。次に、F（またはChow）統計の最大値が大きくなりすぎると拒否します。（見つかりました- 時系列でチャウテストを実行します）

struccchangeを使用して休憩日を取得するコード

library(strucchange)
test2 <- Fstats(myts1~1) #Gets a sequence of fstatistics for all possible 
# break points within the middle 70% of myts1
myts1.fs <- test2$Fstats #These are the fstats
bp.myts1 <- breakpoints(myts1~1) #Gets the breakpoint based on the F-stats
plot(myts1) #plots the series myts1
lines(bp.myts1) #plots the break date implied by the sup F test
bd.myts1 <- breakdates(bp.myts1) #Obtains the implied break data (2018.35, 
# referring to day 128 (0.35*365 = day number))
sctest(test2) #Obtains a p-value for the implied breakpoint
ci.myts1 <- confint(bp.myts1) #95% CI for the location break date
plot(myts1)
lines(ci.myts1) #This shows the interval around the estimated break date

これを使用して、休憩日と95％のCIを取得できます。これにより、休憩が発生したことがわかります。ただし、式はmyts1〜1であるため、定数の回帰を反映してこのブレークは平均値です。私はこれを正しく理解していれば、残差がのdemeaned値でありmyts1ので、私は平均の変化で探しています。プロットは、ブレークデートと信頼区間でデータを視覚化します。

ご質問

Q0：この分析を始める前に、これらの予測誤差がどのように分布し、特定の特性を修正するかについて心配する必要があるかと思いました。ブレークの発生といくつかの外れ値は別として、それはかなり安定したプロセスのようです。

Q1：分散の変化はどのように計算できますか？分散の変化が平均とは異なる時点で発生することを想像できますか？分散のブレイクは平均のブレイクでもあると言いますが、二乗された意味のある系列の平均のブレイクは正しいですか？これについて見つけることはあまりありません。

Q2：平均と分散の中断の十分な証拠が得られたら、この変化をどのように定量化できますか？たとえば、分散が休憩日後にXからYにシフトしましたか？時系列を休憩日に沿って分割し、両方の部分に関する統計を要約するのと同じくらい簡単ですか？

Q3：他の時間間隔で休憩分析を再実行する場合、異なる予測期間で平均と分散の変化がどのように変化するかを比較するにはどうすればよいですか？これも統計の簡単な要約ですか、それともエラーの違いを評価するテストがありますか？

追加Q3：##

これらの時系列の作成では、予測されたイベントが発生する最大10時間前の予測エラーが考慮されます。

1日を例にとると、予測は1時間のビンに分けられ（10個のビンが作成されます）、各ビン内ですべての予測が加重平均値（異なる変数に基づいて加重）に要約されます。これは、毎日、ビンごとに1つの加重スコアがあることを意味します（合計10）。

これをこの投稿で提供した時系列オブジェクト（myts1、過去1時間をカバーする）に変換すると、次のようになります。基本的に、各ビンには975の別々の日が含まれ、それぞれの平均加重値が含まれます（純粋に履歴）。

この部分についての私の考え：10個のうち9個のビンを含む画像を追加しました。これは、時間の経過により、中断が目立たなくなることを明確に示しています。これらの10の時系列が与えられたので、それぞれについて「Score-CUSUM」（平均/分散）テストを再実行します。そこから、このシステムの影響が「平均」/「分散」の絶対変化のように「顕著」になり、運用の観点から使用可能になる時間を決定できます。

Q3.1このように時系列を分析することには意味がありますか？SCORE-CUSUMテストを10回再実行しても問題ないと思いますか？
Q3.1休憩を分割する場合、6か月にわたる95％CIをどのように処理しますか？（ビンの4時間前に見つかります）
Q3.2これらの10の時間間隔でさまざまなモデル（エラー）を比較することに注意する必要がありますか？

私の説明が十分であり、必要に応じてより多くの情報を提供できることを願っています。

編集：私はcsvファイル（;で区切られた）を列形式で追加しました。これには、毎日発生したイベントの数も含まれますが、プロットすると相関関係がないようです。リンク：https : //www.dropbox.com/s/5pilmn43bps9ss4/Data.csv?dl=0

EDIT2：実際の実装は時系列の2018年136日目の時点で発生したことを追加する必要があります。

EDIT3：ペーストビンにRでTSオブジェクトとして2時間1の第2の予測区間が追加 https://pastebin.com/50sb4RtP（メインポストの文字の制限）

ご質問

Q0：時系列はかなりゆがんで見え、レベルシフトにはスケールシフトが伴います。したがって、レベルではなくログで時系列を分析します。つまり、加法的エラーではなく乗法的エラーを使用します。ログでは、AR（1）モデルは各セグメントで非常にうまく機能しているようです。例えば参照acf()やpacf()休憩前と後。

pacf(log(window(myts1, end = c(2018, 136))))
pacf(log(window(myts1, start = c(2018, 137))))

Q1：平均の切れ目のない時系列の場合、二乗（または絶対）残差を使用して、レベルシフトのテストを再度実行できます。または、誤差係数が回帰係数に加えて別のモデルパラメーターである最尤モデルに基づいて、テストとブレークポイント推定を実行できます。これはZeileisらです。（2010、doi：10.1016 / j.csda.2009.12.005）。対応するスコアベースのCUSUMテストもstrucchange同様に利用できますが、ブレークポイントの推定はにありfxregimeます。最後に、平均と分散の変化のみを探す場合、リグレッサがない場合、changepointRパッケージは専用の関数も提供します。

そうは言っても、投稿した時系列には最小二乗アプローチ（分散を迷惑パラメータとして扱う）で十分であるようです。下記参照。

Q2：はい。私は単純に各セグメントに別々のモデルを適合し、これらの白＆ペロン「いつものように」（2003年、分析う応用計量経済学のジャーナル率で（原因ブレークポイント推定値のより速い収束する）も、これは漸近的に正当化されると主張しているではなく）。$n$$\sqrt{n}$

Q3：ここで何を探しているのかよくわかりません。テストを順次実行して着信データを監視する場合は、正式な監視アプローチを採用する必要があります。これはZeileis et al。でも議論されています。（2010）。

分析コードスニペット：

後続の回帰のために、ログ系列とそのラグを組み合わせます。

d <- ts.intersect(y = log(myts1), y1 = lag(log(myts1), -1))

supFおよびスコアベースのCUSUMテストを使用したテスト：

fs <- Fstats(y ~ y1, data = d)
plot(fs)
lines(breakpoints(fs))

sc <- efp(y ~ y1, data = d, type = "Score-CUSUM")
plot(sc, functional = NULL)

これにより、元の時系列に表示される時点で切片係数と自己相関係数の両方が大幅に変化することがわかります。分散にも多少の変動がありますが、これは5％レベルでは有意ではありません。

BICベースのデートでも、この1つのブレークポイントが明確にわかります。

bp <- breakpoints(y ~ y1, data = d)
coef(bp)
##                       (Intercept)        y1
## 2016(123) - 2018(136)    3.926381 0.3858473
## 2018(137) - 2019(1)      3.778685 0.2845176

明らかに、平均は低下しますが、自己相関もわずかに低下します。ログの適合モデルは次のようになります。

plot(log(myts1), col = "lightgray", lwd = 2)
lines(fitted(bp))
lines(confint(bp))

次に、モデルを各セグメントに再適合させることができます。

summary(lm(y ~ y1, data = window(d, end = c(2018, 136))))
## Call:
## lm(formula = y ~ y1, data = window(d, end = c(2018, 136)))
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.73569 -0.18457 -0.04354  0.12042  1.89052 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  3.92638    0.21656   18.13   <2e-16 ***
## y1           0.38585    0.03383   11.40   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.2999 on 742 degrees of freedom
## Multiple R-squared:  0.1491, Adjusted R-squared:  0.148 
## F-statistic: 130.1 on 1 and 742 DF,  p-value: < 2.2e-16

summary(lm(y ~ y1, data = window(d, start = c(2018, 137))))
## Call:
## lm(formula = y ~ y1, data = window(d, start = c(2018, 137)))
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.43663 -0.13953 -0.03408  0.09028  0.99777 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  3.61558    0.33468   10.80  < 2e-16 ***
## y1           0.31567    0.06327    4.99  1.2e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.2195 on 227 degrees of freedom
## Multiple R-squared:  0.09883,    Adjusted R-squared:  0.09486 
## F-statistic:  24.9 on 1 and 227 DF,  p-value: 1.204e-06

元の投稿に多くの情報を追加したくない場合、ここでの返信は、この部分に続く@Achim Zeleisへの応答です。

「対応するスコアベースのCUSUMテストはで利用可能であるstrucchangeだけでなく、しかし、ブレークポイントの推定ですfxregime」

そして、不適切に表現された質問3（現在は元の投稿で更新されています）：

「Re：Q3。これは確かに、さまざまなツールがさまざまなコミュニティのさまざまなラベルの下で提案されている「監視」または「順次テスト」手順が必要なように聞こえます。統計的プロセス管理または品質管理は、別の関連ラベルかもしれません。」

のビネットfxregimeとstrucchangeブレークデートの見積もりを読んだことが得られます。
https://cran.r-project.org/web/packages/fxregime/vignettes/CNY.pdf
https://cran.r-project.org/web/packages/fxregime/fxregime.pdf

この部分に関連する質問は次のとおりです
。1. fxregimeによって検出された1つの休憩日の推定を、切片の変化と自動相関の両方に変換する方法は？
2.このブレーク見積もりを取得するのに使用したロジック/方法はfxregime正しいですか？
3. 2つの休憩日を期待する必要がありますか、それとも傍受と自動相関の両方の変更が同じ日に発生しますか？（たとえば、異なる休憩日に差異が変わる場合はどうなりますか？2つの休憩日を3つ取得しますか？
4.元の投稿の質問3が適用されます（更新されます）
5. @Irishによって提案された季節的影響に注意する必要があります統計（回答の削除）？ブレークテスト中ではなく、これを後でモデル化する場合のみ想定していますか？

myts1の分析コードスニペット：

後続の回帰のために、ログ系列とそのラグを組み合わせます。
d <- ts.intersect(y = log(myts1), y1 = lag(log(myts1), -1))

同じ "Score-CUSUM"テストを受ける：

sc <- efp(y ~ y1, data = d, type = "Score-CUSUM")
plot(sc, functional = NULL)

使用して、日付の推定を破るfxregime：
1の切断の1 LWZと負の対数尤度のプロットを示して最適な数
の信頼区間を持つ2 Breakdateは観測744にブレークを示し、

bd <- fxregimes(y~y1, data = d)
plot(bd) #LWZ and Negative Log-Likelihood plot indicating optimal number of breakpoints is 1 (following vignette information)
ci <- confint(bd, level = 0.95)
ci #show confidence interval for break date(s)

##         Confidence intervals for breakpoints
##         of optimal 2-segment partition: 
##
## Call:
## confint.fxregimes(object = bd, level = 0.95)
##
## Breakpoints at observation number:
##  2.5 % breakpoints 97.5 %
## 1   742         744    746
##
## Corresponding to breakdates:
##     2.5 % breakpoints   97.5 %
## 1 2018.363    2018.369 2018.374

次に、coef各セグメントから係数を取得できます。

coef(bd)
## 
##                                       (Intercept) y1     (Variance)
## 2016.33334081892--2018.36895725728    3.926381 0.3858473 0.08969063
## 2018.37169698331--2018.99909424358    3.778685 0.2845176 0.04813337

ここから私は分散もかなり減少したと言いますが、単一の休憩日の見積もりとスコア-CUSUMテストでの非有意性を考慮してこれを正しく解釈する方法がわかりませんか？

OPの質問3に関連するパート2

（更新された）元の投稿のQ3で述べたように、複数の時系列があります。下の1つは、975日間の間隔1〜2時間の予測で、各日には1つの加重平均スコアがあります。

myts2の分析コードスニペット：
Q0に関して：時系列の再評価。オリジナルのポストで第2の画像を参照すると、右のスキューはまだ多少見かけと見ているacf()とpacf()ブレークはまだAR（1）モデルは（私は、同様のグラフを考えて）非常によく機能するであろうことを示しているの前と後。

pacf(log(window(myts2, end = c(2018, 136))))
pacf(log(window(myts2, start = c(2018, 137))))

後の回帰のために、ログ系列とそのラグを再度組み合わせます。
e <- ts.intersect(y = log(myts2), y1 = lag(log(myts2), -1))

"Score-CUSUM"テスト：

sc2 <- efp(y ~ y1, data = e, type = "Score-CUSUM")
plot(sc2, functional = NULL)

最初の時系列と同様に、切片と自動相関係数は、元の時系列に表示された時点で大幅に変化します。ただし、今回は、分散に明らかな変動があり、5％レベルで有意であり、切片と自動相関の時点と直接一致していません。

使用してブレーク日付推定fxregime：
1. LWZと負の対数尤度のプロットが示す1の切断の最適な数を伴う1.ブレークポイントの後LWZの急激な減少とのNLLでのキンクの
信頼区間との2 Breakdateが観察時のブレークを示し、 736

d <- fxregimes(y~y1, data = d)
plot(bd) #LWZ and Negative Log-Likelihood plot indicating optimal number of breakpoints is 1 (following vignette information)
ci <- confint(bd, level = 0.95)
ci #show confidence interval for break date(s)
# Confidence intervals for breakpoints  

# of optimal 2-segment partition: 
#   
#   Call:
#   confint.fxregimes(object = bd1, level = 0.95)
# 
# Breakpoints at observation number:
#   2.5 % breakpoints 97.5 %
#   1   730         736    750
# 
# Corresponding to breakdates:
#   2.5 % breakpoints   97.5 %
#   1 2018.331    2018.347 2018.385
# > breakdates(ci)
# 2.5 % breakpoints   97.5 %
#   1 2018.331    2018.347 2018.385

次に、coef各セグメントから係数を取得できます。

coef(bd1)
#                                       (Intercept) y1     (Variance)
# 2016.33334081892--2018.34703944906    3.853897 0.3985997 0.07925990
# 2018.34977917509--2018.99909424358    3.106076 0.4773263 0.04625951

この部分をmyts2（1〜2時間の予測間隔）で評価するために、分散はかなり減少していますが、myts1と比較して変化は小さくなっています。さらに、切片と自己相関の係数に顕著な変化があります。

また、ここで問題はこれをどのように解釈すべきかということです。この単一の休憩日の推定は、Score-CUSUMテストで視覚的に見られる休憩をどのように反映しますか？

*このrefit関数はfxregimes関数からのセグメント化された回帰に適合することもわかりました。これは、@ Achim Zeileisが最後に述べたように、比較に使用できます。
時系列（myts1-10）でモデル（Q3）を比較することはできますか？ログのあるモデルとそうでないモデルを比較できないので、それらが同じスケールを共有している場合にのみ想定します。