自己回帰モデルをシミュレーションする
自己回帰（AR）モデルは、最も広く使われている時系列モデルの一つです。単回帰に似た直感的な解釈を持ちますが、ここでは各観測値が一つ前の観測値に回帰します。AR モデルは、以前の章で扱ったホワイトノイズ（WN）モデルやランダムウォーク（RW）モデルを特殊例として含みます。
前の章で使った汎用的な arima.sim() 関数は、model 引数を list(ar = phi) に設定することで AR モデルからのデータもシミュレーションできます。ここで phi は区間 (-1, 1) にある傾きパラメータです。あわせて系列の長さ n も指定します。
この演習では、このコマンドを使って、傾きパラメータがそれぞれ 0.5、0.9、-0.75 の 3 つの AR モデルをシミュレーションし、プロットします。
この演習はコースの一部です
Rで学ぶ時系列分析
演習の手順
arima.sim()を使って、傾きが 0.5 の AR モデルの観測値を 100 個シミュレーションします。具体的には、model引数をlist(ar = 0.5)、n引数を100に設定します。シミュレーションしたデータはxに保存します。- 同様に、傾きが 0.9 の AR モデルの観測値を 100 個シミュレーションします。データは
yに保存します。 - さらに、傾きが -0.75 の AR モデルの観測値を 100 個シミュレーションします。データは
zに保存します。 plot.ts()とcbind()を使って、3 つの ts オブジェクト（x、y、z）をプロットします。
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。
# 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(___, ___, ___))