Mengestimasi Model MA

Anda akan mengestimasi parameter MA(1), \(\small \theta\), dari salah satu deret hasil simulasi yang Anda buat pada latihan sebelumnya. Karena parameter pada deret simulasi diketahui, ini adalah cara yang baik untuk memahami rutinitas estimasi sebelum menerapkannya pada data nyata.

Untuk simulated_data_1 dengan nilai \(\small \theta\) sebenarnya -0.9, Anda akan mencetak taksiran \(\small \theta\). Selain itu, Anda juga akan mencetak seluruh keluaran yang dihasilkan saat Anda menyesuaikan sebuah deret waktu, sehingga Anda mendapatkan gambaran tentang uji lain dan statistik ringkasan apa saja yang tersedia di statsmodels.

Latihan ini adalah bagian dari kursus

Analisis Deret Waktu dengan Python

Lihat Kursus

Petunjuk latihan

Impor kelas ARIMA dari modul statsmodels.tsa.arima.model.
Buat instance kelas ARIMA bernama mod menggunakan data simulasi simulated_data_1 dan orde (p,d,q) model (dalam hal ini, untuk MA(1)) yaitu order=(0,0,1).
Sesuaikan model mod menggunakan metode .fit() dan simpan hasilnya dalam objek hasil bernama res.
Cetak seluruh ringkasan hasil menggunakan metode .summary().
Cetak hanya taksiran parameter theta menggunakan atribut .params[1].

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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

# Fit an MA(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 the constant and for theta
print("When the true theta=-0.9, the estimate of theta is:")
print(res.___)

Edit dan Jalankan Kode