단순 이동평균 모형 추정하기
이미 MA 모형을 몇 가지 시뮬레이션하고 해당 모형에서 ACF를 계산해 보셨으니, 이제는 arima() 명령으로 실제 데이터에 단순 이동평균(MA) 모형을 적합해 보겠습니다. 주어진 시계열 x에 대해 arima(..., order = c(0, 0, 1))로 단순 이동평균(MA) 모형을 적합할 수 있습니다. 참고로, MA 모형은 ARIMA(0, 0, 1) 모형입니다.
이번 연습에서는 미리 불러온 시계열(x, 오른쪽 그래프에 표시됨)과 앞선 장에서 사용했던 Nile 데이터셋에 대해 실습해 봅니다.
이 연습은 강의의 일부입니다
R로 배우는 시계열 분석
연습 안내
arima()를 사용해 시계열x에 MA 모형을 적합하세요.arima()출력에서 기울기(ma1), 평균(intercept), 혁신 분산(sigma^2)의 추정값은 무엇인가요? 이 값을 작업 공간에 붙여 넣으세요.- 동일한 방식으로
Nile데이터에 MA 모형을 적합하세요. 결과를MA로 저장하고print()로 출력하세요. - 마지막으로, 미리 작성된 명령을 사용해
Nile데이터와 적합된 MA 값을 함께 그려 보세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Fit the MA model to x
arima(___, order = ___)
# Paste the slope (ma1) estimate below
# Paste the slope mean (intercept) estimate below
# Paste the innovation variance (sigma^2) estimate below
# Fit the MA model to Nile
MA <- arima(___, order = ___)
print(MA)
# Plot Nile and MA_fit
ts.plot(Nile)
MA_fit <- Nile - resid(MA)
points(MA_fit, type = "l", col = 2, lty = 2)