1. 학습
    2. /
  2. 강의
    3. /
  3. R로 배우는 시계열 분석
Connected

연습 문제

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.

지침

100 XP
  • 두 모델을 비교하는 첫 단계로, cor()를 사용해 AR_fit과 MA_fit 사이의 상관관계를 측정하세요.
  • AIC()를 두 번 호출해 각각 AR과 MA의 AIC를 계산하세요.
  • BIC()를 두 번 호출해 각각 AR과 MA의 BIC를 계산하세요.