Modelos AR vs MA
Como has visto, los modelos autorregresivos (AR) y de media móvil simple (MA) son dos enfoques útiles para modelar series temporales. Pero, ¿cómo puedes decidir en la práctica si conviene más un modelo AR o MA?
Para evaluar el ajuste del modelo, puedes medir el criterio de información de Akaike (AIC) y el criterio de información bayesiano (BIC) para cada modelo. Aunque las matemáticas detrás del AIC y el BIC quedan fuera del alcance de este curso, lo importante para ti es que estos indicadores penalizan los modelos con más parámetros estimados, para evitar el sobreajuste, y se prefieren los valores más pequeños. Si todo lo demás es igual, se considera que un modelo con AIC o BIC más bajo que otro tiene mejor ajuste.
Para calcular estos indicadores, puedes usar los comandos AIC() y BIC(), ambos con un único argumento que especifica el modelo en cuestión.
En este ejercicio, volverás a los datos de Nile y a los modelos AR y MA que ajustaste a estos datos. Estos modelos y sus predicciones para la década de 1970 (AR_fit) y (MA_fit) aparecen en la gráfica de la derecha.
Este ejercicio forma parte del curso
Análisis de series temporales en R
Instrucciones del ejercicio
- Como primer paso para comparar estos modelos, usa
cor()para medir la correlación entreAR_fityMA_fit. - Usa dos llamadas a
AIC()para calcular el AIC deARyMA, respectivamente. - Usa dos llamadas a
BIC()para calcular el BIC deARyMA, respectivamente.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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