자기회귀 모형 시뮬레이션
자기회귀(AR) 모형은 아마도 가장 널리 쓰이는 시계열 모형입니다. 단순 선형회귀와 해석이 매우 비슷하지만, 여기서는 각 관측값이 바로 이전 관측값에 대해 회귀돼요. 또한 AR 모형은 앞 장에서 살펴본 백색잡음(WN)과 랜덤 워크(RW) 모형을 특수한 경우로 포함합니다.
이전 장에서 사용한 다목적 함수 arima.sim()은 model 인수를 list(ar = phi)로 설정하면 AR 모형의 데이터를 시뮬레이션하는 데에도 쓸 수 있어요. 여기서 phi는 (-1, 1) 구간의 기울기 매개변수입니다. 시계열 길이 n도 함께 지정해야 합니다.
이 연습에서는 이 명령을 사용해 기울기 매개변수가 각각 0.5, 0.9, -0.75인 세 가지 AR 모형을 시뮬레이션하고 그래프로 확인해 보겠습니다.
이 연습은 강의의 일부입니다
R로 배우는 시계열 분석
연습 안내
arima.sim()을 사용해 기울기가 0.5인 AR 모형의 관측값 100개를 시뮬레이션하세요. 이를 위해model인수를list(ar = 0.5)로,n인수를100으로 설정하세요. 시뮬레이션한 데이터는x에 저장하세요.- 같은 방식으로 기울기가 0.9인 AR 모형의 관측값 100개를 시뮬레이션하세요. 이 데이터는
y에 저장하세요. - 세 번째로 기울기가 -0.75인 AR 모형의 관측값 100개를 시뮬레이션하세요. 이 데이터는
z에 저장하세요. plot.ts()와cbind()를 사용해 세 개의 시계열 객체(x,y,z)를 함께 그래프로 그리세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Simulate an AR model with 0.5 slope
x <- arima.sim(model = ___, n = ___)
# Simulate an AR model with 0.9 slope
y <-
# Simulate an AR model with -0.75 slope
z <-
# Plot your simulated data
plot.ts(cbind(___, ___, ___))