Simulasikan model autoregresif

Model autoregresif (AR) merupakan model runtun waktu yang mungkin paling banyak digunakan. Model ini memiliki interpretasi yang sangat mirip dengan regresi linear sederhana, tetapi di sini setiap observasi diregresikan terhadap observasi sebelumnya. Model AR juga mencakup model white noise (WN) dan random walk (RW) yang telah dibahas pada bab-bab sebelumnya sebagai kasus khusus.

Fungsi serbaguna arima.sim() yang digunakan pada bab-bab sebelumnya juga dapat digunakan untuk mensimulasikan data dari model AR dengan menetapkan argumen model sama dengan list(ar = phi), di mana phi adalah parameter kemiringan pada interval (-1, 1). Kita juga perlu menentukan panjang deret n.

Dalam latihan ini, Anda akan menggunakan perintah tersebut untuk mensimulasikan dan memplot tiga model AR berbeda dengan parameter kemiringan masing-masing 0,5; 0,9; dan -0,75.

Latihan ini adalah bagian dari kursus

Analisis Deret Waktu dengan R

Lihat Kursus

Petunjuk latihan

Gunakan arima.sim() untuk mensimulasikan 100 observasi dari model AR dengan kemiringan 0,5. Caranya, tetapkan argumen model sama dengan list(ar = 0.5) dan argumen n sama dengan 100. Simpan data simulasi ini ke x.
Gunakan pemanggilan serupa ke arima.sim() untuk mensimulasikan 100 observasi dari model AR dengan kemiringan 0,9. Simpan data ini ke y.
Gunakan pemanggilan ketiga ke arima.sim() untuk mensimulasikan 100 observasi dari model AR dengan kemiringan -0,75. Simpan data ini ke z.
Gunakan plot.ts() dengan cbind() untuk memplot ketiga objek ts Anda (x, y, z).

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Simulate an AR model with 0.5 slope
x <- arima.sim(model = ___, n = ___)

# Simulate an AR model with 0.9 slope
y <- 

# Simulate an AR model with -0.75 slope
z <- 

# Plot your simulated data
plot.ts(cbind(___, ___, ___))

Edit dan Jalankan Kode