모형 차수 추정: 정보 기준
모형의 차수를 식별하는 또 다른 방법은 Akaike 정보 기준(AIC)과 베이즈 정보 기준(BIC)을 확인하는 것입니다. 이 지표들은 추정된 모수로 적합도를 계산하되, 모형에 포함된 모수의 개수에 패널티를 부여합니다. 이전 연습 문제에서 만든 AR(2) 시뮬레이션 데이터 simulated_data_2를 사용해 AR(p)에서 p를 0부터 6까지 바꾸어 가며 BIC를 계산해 보세요.
이 연습은 강의의 일부입니다
Python으로 배우는 시계열 분석
연습 안내
- 모수 추정과 BIC 계산을 위해 ARIMA 모듈을 임포트하세요.
- 각 AR(p) 모형의 BIC를 저장할 numpy 배열
BIC를 초기화하세요. - p = 0,…,6에 대해 차수 p를 반복하세요.
- 각 p마다 차수 p의 AR 모형을 데이터에 적합하세요.
- 각 p마다
res의.bic속성(괄호 없음)을 사용해 BIC 값을 저장하세요.
- p에 따른 BIC를 그리세요(그래프에서는 p=0은 건너뛰고 p=1,…,6에 대해 그리세요).
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import the module for estimating an ARIMA model
from statsmodels.tsa.arima.model import ARIMA
# Fit the data to an AR(p) for p = 0,...,6 , and save the BIC
BIC = np.zeros(7)
for p in range(7):
mod = ARIMA(simulated_data_2, order=(___,___,___))
res = mod.fit()
# Save BIC for AR(p)
BIC[p] = res.___
# Plot the BIC as a function of p
plt.plot(range(1,7), BIC[1:7], marker='o')
plt.xlabel('Order of AR Model')
plt.ylabel('Bayesian Information Criterion')
plt.show()