自己回帰（AR）モデルを推定する

与えられた時系列 x に対して、arima() コマンドを使い、order を c(1, 0, 0) に設定すると自己回帰（AR）モデルを当てはめられます。参考までに、ARモデルは ARIMA(1, 0, 0) モデルに相当します。

この演習では、シミュレーションした時系列 x と AirPassengers データに対して arima() コマンドを使い、ARモデルの特性をさらに確認します。arima() は、推定された傾き（ar1）、平均（intercept）、およびイノベーション分散（sigma^2）を確認するのに役立ちます。

x と AirPassengers データはどちらも環境に読み込まれています。時系列 x は右側の図に表示されています。

この演習はコースの一部です

Rで学ぶ時系列分析

コースを見る

演習の手順

arima() を使って系列 x に ARモデルを当てはめてください。出力結果をよく確認しましょう。
直前のコマンドの出力から、傾き（ar1）、平均（intercept）、イノベーション分散（sigma^2）の推定値は何ですか？それらをRワークスペースに入力してください。
次に、AirPassengers に ARモデルを当てはめ、結果を AR として保存します。print() を使って当てはめたモデル AR を表示してください。
最後に、用意されたコマンドを使って AirPassengers をプロットし、当てはめ値を計算して、図に追加してください。

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 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)

コードを編集して実行