始める無料で始める

モデル選択 - I

対数化と差分をとった varve データ（dl_varve）のサンプル P/ACF の組から、MA(1) が示唆されました。ARMA の当てはめでは、まずは次数の低いモデルから始め、パラメータを1つずつ追加して結果がどう変わるかを見るのが最善です。

この演習では、dl_varve にさまざまなモデルを当てはめ、各モデルの AIC と BIC を確認します。次の演習では、ここで得た AIC と BIC を使ってモデルを選びます。AIC や BIC の値が最も小さいモデルを選ぶのが基本であることを覚えておいてください。

始める前の注意:

sarima(x, p = 0, d = 0, q = 1) と sarima(x, 0, 0, 1)

は同じ意味です。

この演習はコースの一部です

Rで学ぶARIMAモデル

コースを見る

演習の手順

  • パッケージ astsa はあらかじめ読み込まれています。varve 系列は dl_varve <- diff(log(varve)) として対数化・差分化済みです。
  • sarima() を使って dl_varve に MA(1) を当てはめてください。sarima() の出力をよく見て、このモデルの AIC と BIC を確認します。
  • 直前の操作を繰り返し、今度は MA パラメータを追加して MA(2) モデルを当てはめてください。AIC と BIC に基づいて、先ほどのモデルより改善していますか？
  • MA パラメータを追加する代わりに、元の MA(1) 推定に AR パラメータを加えてください。つまり、dl_varve に ARMA(1,1) を当てはめます。AIC と BIC に基づいて、これまでのモデルより改善していますか？

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Fit an MA(1) to dl_varve.   


# Fit an MA(2) to dl_varve. Improvement?


# Fit an ARMA(1,1) to dl_varve. Improvement?
コードを編集して実行