Estimasi Ordo Model: Kriteria Informasi

Alat lain untuk mengidentifikasi ordo model adalah melihat Akaike Information Criterion (AIC) dan Bayesian Information Criterion (BIC). Ukuran ini menghitung goodness of fit dengan parameter terestimasi, tetapi menerapkan fungsi penalti pada jumlah parameter dalam model. Anda akan menggunakan data simulasi AR(2) dari latihan sebelumnya, disimpan sebagai simulated_data_2, dan menghitung BIC sambil mengubah ordo, p, dalam AR(p) dari 0 hingga 6.

Latihan ini adalah bagian dari kursus

Analisis Deret Waktu dengan Python

Lihat Kursus

Petunjuk latihan

Impor modul ARIMA untuk mengestimasi parameter dan menghitung BIC.
Inisialisasi array numpy BIC, yang akan kita gunakan untuk menyimpan BIC untuk setiap model AR(p).
Lakukan perulangan ordo p untuk p = 0,…,6.
- Untuk setiap p, sesuaikan data dengan model AR berordo p.
- Untuk setiap p, simpan nilai BIC menggunakan atribut .bic (tanpa tanda kurung) dari res.
Plot BIC sebagai fungsi dari p (untuk plot, lewati p=0 dan plot untuk p=1,…,6).

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Import the module for estimating an ARIMA model
from statsmodels.tsa.arima.model import ARIMA

# Fit the data to an AR(p) for p = 0,...,6 , and save the BIC
BIC = np.zeros(7)
for p in range(7):
    mod = ARIMA(simulated_data_2, order=(___,___,___))
    res = mod.fit()
# Save BIC for AR(p)    
    BIC[p] = res.___
    
# Plot the BIC as a function of p
plt.plot(range(1,7), BIC[1:7], marker='o')
plt.xlabel('Order of AR Model')
plt.ylabel('Bayesian Information Criterion')
plt.show()

Edit dan Jalankan Kode