1. Lära sig
    2. /
  2. Courses
    3. /
  3. Rで学ぶ時系列分析
Connected

exercise

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。

Instruktioner

100 XP
  • 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。