Výběr modelu – I

Na základě dvojice výběrových funkcí P/ACF logaritmovaných a diferencovaných dat varve (dl_varve) byl indikován model MA(1). Nejlepší postup při fitování modelů ARMA je začít s modelem nízkého řádu a postupně přidávat parametry, abys sledoval/a, jak se výsledky mění.

V tomto cvičení nafituješ různé modely na data dl_varve a zaznamenáš hodnoty AIC a BIC pro každý z nich. V dalším cvičení pak tyto hodnoty využiješ k výběru nejvhodnějšího modelu. Pamatuj, že chceš zachovat model s nejnižší hodnotou AIC a/nebo BIC.

Poznámka před začátkem:

sarima(x, p = 0, d = 0, q = 1) a sarima(x, 0, 0, 1)

jsou totéž.

Toto cvičení je součástí kurzu

Modely ARIMA v R

Zobrazit kurz

Pokyny k cvičení

Balíček astsa je předem načtený. Série varve byla zlogaritmována a diferencována jako dl_varve <- diff(log(varve)).
Pomocí sarima() nafituj model MA(1) na data dl_varve. Pozorně se podívej na výstup příkazu sarima() a zjisti hodnoty AIC a BIC pro tento model.
Zopakuj předchozí krok, ale přidej parametr MA a nafituj model MA(2). Je tento model na základě AIC a BIC lepší než předchozí?
Místo přidání parametru MA přidej parametr AR k původnímu fitu MA(1). Tedy nafituj model ARMA(1,1) na data dl_varve. Je tento model na základě AIC a BIC lepší než předchozí modely?

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Fit an MA(1) to dl_varve.   


# Fit an MA(2) to dl_varve. Improvement?


# Fit an ARMA(1,1) to dl_varve. Improvement?

Upravit a spustit kód