Estimación de un modelo AR
Estimarás el parámetro AR(1), \(\small \phi\), de una de las series simuladas que generaste en el ejercicio anterior. Como los parámetros son conocidos para una serie simulada, es una buena forma de entender las rutinas de estimación antes de aplicarlas a datos reales.
Para simulated_data_1 con un \(\small \phi\) verdadero de 0,9, imprimirás la estimación de \(\small \phi\). Además, también imprimirás toda la salida que se produce al ajustar una serie temporal, para que puedas hacerte una idea de qué otras pruebas y estadísticas de resumen están disponibles en statsmodels.
Este ejercicio forma parte del curso
Análisis de Series Temporales en Python
Instrucciones de ejercicio
- Importa la clase
ARIMAen el módulostatsmodels.tsa.arima.model. - Crea una instancia de la clase
ARIMAllamadamodutilizando los datos simuladossimulated_data_1y el orden (p,d,q) del modelo (en este caso, para un AR(1)), esorder=(1,0,0). - Ajusta el modelo
modutilizando el método.fit()y guárdalo en un objeto de resultados llamadores. - Imprime todo el resumen de resultados utilizando el método
.summary(). - Sólo tienes que imprimir una estimación de \(\small \phi\) utilizando el atributo
.params[1](sin paréntesis).
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Import the ARIMA module from statsmodels
from statsmodels.tsa.arima.model import ARIMA
# Fit an AR(1) model to the first simulated data
mod = ARIMA(___, order=___)
res = mod.___
# Print out summary information on the fit
print(res.___)
# Print out the estimate for phi
print("When the true phi=0.9, the estimate of phi is:")
print(res.___)