1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Analýza časových řad v R
Connected

cvičení

Modely AR vs MA

Jak už víš, autoregresní model (AR) a model klouzavého průměru (MA) jsou dva užitečné přístupy k modelování časových řad. Jak ale v praxi poznat, který z nich je vhodnější?

Kvalitu modelu lze posoudit pomocí Akaikeho informačního kritéria (AIC) a Bayesova informačního kritéria (BIC) pro každý model. Matematika za AIC a BIC přesahuje rámec tohoto kurzu, ale základní myšlenka je jednoduchá: tato kritéria penalizují modely s větším počtem odhadovaných parametrů, aby se zabránilo přetrénování, a preferují se nižší hodnoty. Za jinak stejných podmínek se považuje za lepší ten model, který dosáhne nižšího AIC nebo BIC.

K výpočtu těchto kritérií slouží příkazy AIC() a BIC(), každý přijímá jediný argument určující model, který chceš vyhodnotit.

V tomto cvičení se vrátíš k datům Nile a modelům AR a MA, které jsi na tato data natrénoval/a. Tyto modely a jejich předpovědi pro 70. léta (AR_fit) a (MA_fit) jsou znázorněny v grafu vpravo.

Pokyny

100 XP
  • Jako první krok při porovnávání těchto modelů použij cor() k měření korelace mezi AR_fit a MA_fit.
  • Dvěma voláními AIC() vypočítej hodnotu AIC pro AR a MA.
  • Dvěma voláními BIC() vypočítej hodnotu BIC pro AR a MA.