1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Modely ARIMA v R
Connected

cvičení

Fitování modelu ARMA

Teď je čas spojit model AR a model MA dohromady a vytvořit model ARMA. Vygenerovali jsme data z modelu ARMA(2,1): $$X_t = X_{t-1} - .9 X_{t-2} + W_t + .8 W_{t-1}, $$ x <- arima.sim(model = list(order = c(2, 0, 1), ar = c(1, -.9), ma = .8), n = 250). Prohlédni si simulovaná data spolu s výběrovým ACF a PACF a zkus z nich odhadnout možný model.

Připomeň si, že u modelů ARMA(\(p, q\)) doznívají jak teoretické ACF, tak PACF. V praxi ale bývá obtížné řády modelu z dat spolehlivě odhadnout — nemusí být na první pohled jasné, zda výběrové ACF nebo PACF doznívá, nebo se naopak po určitém zpožděním utíná. Protože v tomto případě skutečné řády modelu znáš, fituj na vygenerovaná data model ARMA(2,1). Obecné strategie výběru modelu si probereme podrobněji v dalších částech kurzu.

Pokyny

100 XP
  • Balíček astsa je předem načten. 250 pozorování z modelu ARMA(2,1) je uloženo v x.
  • Stejně jako v předchozích příkladech použij plot() k vykreslení vygenerovaných dat z x a acf2() k zobrazení výběrových ACF a PACF.
  • Pomocí sarima() fituj model ARMA(2,1) na vygenerovaná data. Prohlédni si t-tabulku a porovnej odhadnuté hodnoty se skutečnými.