Scelta del modello - I
In base alla coppia P/ACF campionaria dei dati delle varve log-trasformati e differenziati (dl_varve), è stato indicato un MA(1). Il modo migliore per stimare ARMA è partire da un modello di ordine basso e poi aggiungere un parametro alla volta per vedere se i risultati cambiano.
In questo esercizio, stimerai vari modelli sui dati dl_varve e annoterai AIC e BIC per ciascuno. Nel prossimo esercizio userai questi AIC e BIC per scegliere un modello. Ricorda che vuoi mantenere il modello con il valore di AIC e/o BIC più piccolo.
Una nota prima di iniziare:
sarima(x, p = 0, d = 0, q = 1) e sarima(x, 0, 0, 1)
sono equivalenti.
Questo esercizio fa parte del corso
Modelli ARIMA in R
Istruzioni dell'esercizio
- Il pacchetto astsa è precaricato. La serie
varveè stata log-trasformata e differenziata comedl_varve <- diff(log(varve)). - Usa
sarima()per stimare un MA(1) sudl_varve. Osserva con attenzione l’output del comandosarima()per vedere AIC e BIC di questo modello. - Ripeti il passaggio precedente, ma aggiungi un parametro MA stimando un modello MA(2). In base ad AIC e BIC, è un miglioramento rispetto al modello precedente?
- Invece di aggiungere un parametro MA, aggiungi un parametro AR alla stima MA(1) originale. Cioè, stima un ARMA(1,1) su
dl_varve. In base ad AIC e BIC, è un miglioramento rispetto ai modelli precedenti?
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Fit an MA(1) to dl_varve.
# Fit an MA(2) to dl_varve. Improvement?
# Fit an ARMA(1,1) to dl_varve. Improvement?