Model AR vs MA
Seperti yang telah Anda lihat, autoregressive (AR) dan simple moving average (MA) adalah dua pendekatan yang berguna untuk memodelkan deret waktu. Namun, bagaimana cara menentukan apakah model AR atau MA yang lebih tepat digunakan dalam praktik?
Untuk menilai kecocokan model, Anda dapat mengukur Akaike information criterion (AIC) dan Bayesian information criterion (BIC) untuk setiap model. Walaupun perhitungan matematis di balik AIC dan BIC berada di luar cakupan kursus ini, untuk tujuan Anda, gagasan utamanya adalah bahwa indikator ini memberi penalti pada model dengan lebih banyak parameter yang diestimasi untuk menghindari overfitting, dan nilai yang lebih kecil lebih disukai. Dengan faktor lain sama, model yang menghasilkan AIC atau BIC lebih rendah daripada model lain dianggap lebih sesuai.
Untuk mengestimasi indikator ini, Anda dapat menggunakan perintah AIC() dan BIC(), yang keduanya memerlukan satu argumen untuk menentukan model yang dimaksud.
Dalam latihan ini, Anda akan kembali ke data Nile serta model AR dan MA yang telah Anda sesuaikan pada data ini. Model-model ini dan prediksinya untuk tahun 1970-an (AR_fit) dan (MA_fit) ditampilkan pada plot di sebelah kanan.
Latihan ini adalah bagian dari kursus
Analisis Deret Waktu dengan R
Petunjuk latihan
- Sebagai langkah awal membandingkan model ini, gunakan
cor()untuk mengukur korelasi antaraAR_fitdanMA_fit. - Gunakan dua pemanggilan
AIC()untuk menghitung AIC bagiARdanMAsecara berurutan. - Gunakan dua pemanggilan
BIC()untuk menghitung BIC bagiARdanMAsecara berurutan.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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