Estimasi model autoregresif (AR)

Untuk suatu deret waktu x, kita dapat menyesuaikan model autoregresif (AR) menggunakan perintah arima() dan menyetel order sama dengan c(1, 0, 0). Perlu dicatat sebagai referensi bahwa model AR adalah model ARIMA(1, 0, 0).

Pada latihan ini, Anda akan menelusuri sifat tambahan dari model AR dengan mempraktikkan perintah arima() pada deret waktu simulasi x serta data AirPassengers. Perintah ini memungkinkan Anda mengidentifikasi kemiringan terestimasi (ar1), rataan (intercept), dan varians inovasi (sigma^2) dari model.

Baik x maupun data AirPassengers sudah dimuat sebelumnya di lingkungan Anda. Deret waktu x ditampilkan pada gambar di sebelah kanan.

Latihan ini adalah bagian dari kursus

Analisis Deret Waktu dengan R

Lihat Kursus

Petunjuk latihan

Gunakan arima() untuk menyesuaikan model AR pada deret x. Cermati keluaran dari perintah ini.
Berapa estimasi kemiringan (ar1), rataan (intercept), dan varians inovasi (sigma^2) dari perintah sebelumnya? Ketikkan nilai-nilai tersebut ke dalam ruang kerja R Anda.
Sekarang, sesuaikan model AR pada AirPassengers, simpan hasilnya sebagai AR. Gunakan print() untuk menampilkan model terpasang AR.
Terakhir, gunakan perintah yang disediakan untuk membuat plot AirPassengers, menghitung nilai terpasang (fitted values), dan menambahkannya ke gambar.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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

# Copy and paste the slope (ar1) estimate


# Copy and paste the slope mean (intercept) estimate


# Copy and paste the innovation variance (sigma^2) estimate


# Fit the AR model to AirPassengers
AR <-
print(AR)

# Run the following commands to plot the series and fitted values
ts.plot(AirPassengers)
AR_fitted <- AirPassengers - residuals(AR)
points(AR_fitted, type = "l", col = 2, lty = 2)

Edit dan Jalankan Kode