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.
Toto cvičení je součástí kurzu
Analýza časových řad v R
Pokyny k cvičení
- Jako první krok při porovnávání těchto modelů použij
cor()k měření korelace meziAR_fitaMA_fit. - Dvěma voláními
AIC()vypočítej hodnotu AIC proARaMA. - Dvěma voláními
BIC()vypočítej hodnotu BIC proARaMA.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Find correlation between AR_fit and MA_fit
cor(___, ___)
# Find AIC of AR
AIC(___)
# Find AIC of MA
# Find BIC of AR
BIC(___)
# Find BIC of MA