Estimasi model simple moving average

Sekarang setelah Anda mensimulasikan beberapa model MA dan menghitung ACF dari model-model tersebut, langkah berikutnya adalah menyesuaikan model simple moving average (MA) ke beberapa data menggunakan perintah arima(). Untuk deret waktu x tertentu, kita dapat menyesuaikan model simple moving average (MA) menggunakan arima(..., order = c(0, 0, 1)). Perlu dicatat bahwa model MA merupakan model ARIMA(0, 0, 1).

Dalam latihan ini, Anda akan berlatih menggunakan deret waktu yang sudah dimuat (x, ditampilkan pada plot di sebelah kanan) serta himpunan data Nile yang digunakan di bab sebelumnya.

Latihan ini adalah bagian dari kursus

Analisis Deret Waktu dengan R

Lihat Kursus

Petunjuk latihan

Gunakan arima() untuk menyesuaikan model MA pada deret x.
Berapakah estimasi kemiringan (ma1), rata-rata (intercept), dan varians inovasi (sigma^2) yang dihasilkan oleh keluaran arima() Anda? Tempelkan nilai-nilai ini ke dalam workspace Anda.
Gunakan pemanggilan arima() serupa untuk menyesuaikan model MA pada data Nile. Simpan hasilnya sebagai MA dan gunakan print() untuk menampilkan keluarannya.
Terakhir, gunakan perintah yang sudah disediakan untuk memplot data Nile dan nilai MA hasil penyesuaian Anda.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Fit the MA model to x
arima(___, order = ___)

# Paste the slope (ma1) estimate below


# Paste the slope mean (intercept) estimate below


# Paste the innovation variance (sigma^2) estimate below


# Fit the MA model to Nile
MA <- arima(___, order = ___)
print(MA)

# Plot Nile and MA_fit 
ts.plot(Nile)
MA_fit <- Nile - resid(MA)
points(MA_fit, type = "l", col = 2, lty = 2)

Edit dan Jalankan Kode