AR vs MA 모델
이미 보셨듯이 자기회귀(AR)와 단순 이동평균(MA)은 시계열을 모델링하는 데 유용한 두 가지 방법입니다. 그런데 실제로는 AR과 MA 중 어떤 모델이 더 적합한지 어떻게 판단할 수 있을까요?
모델 적합도를 판단하려면 각 모델에 대해 Akaike 정보 기준(AIC)과 베이즈 정보 기준(BIC)을 측정할 수 있습니다. AIC와 BIC의 수학적 배경은 이 강의 범위를 벗어나지만, 핵심은 과적합을 피하기 위해 추정해야 할 모수 수가 많은 모델에 패널티를 주며, 값이 작을수록 더 좋다는 점입니다. 다른 조건이 동일하다면 AIC나 BIC가 더 낮은 모델이 더 잘 맞는 모델로 간주됩니다.
이 지표를 추정하려면 모델을 하나만 인자로 받는 AIC()와 BIC() 명령을 사용할 수 있습니다.
이번 연습에서는 Nile 데이터와, 여기에 적합했던 AR 및 MA 모델로 돌아가 보겠습니다. 이 모델들과 1970년대에 대한 예측치(AR_fit)와 (MA_fit)는 오른쪽의 그래프에 표시되어 있습니다.
이 연습은 강의의 일부입니다
R로 배우는 시계열 분석
연습 안내
- 두 모델을 비교하는 첫 단계로,
cor()를 사용해AR_fit과MA_fit사이의 상관관계를 측정하세요. AIC()를 두 번 호출해 각각AR과MA의 AIC를 계산하세요.BIC()를 두 번 호출해 각각AR과MA의 BIC를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Find correlation between AR_fit and MA_fit
cor(___, ___)
# Find AIC of AR
AIC(___)
# Find AIC of MA
# Find BIC of AR
BIC(___)
# Find BIC of MA