Schat het eenvoudige moving-average-model

Nu je enkele MA-modellen hebt gesimuleerd en de ACF van deze modellen hebt berekend, is je volgende stap om het eenvoudige moving-average- (MA-)model op data te fitten met het commando arima(). Voor een gegeven tijdreeks x kunnen we het eenvoudige MA-model fitten met arima(..., order = c(0, 0, 1)). Ter referentie: een MA-model is een ARIMA(0, 0, 1)-model.

In deze oefening ga je aan de slag met een vooraf ingeladen tijdreeks (x, weergegeven in de grafiek rechts) en met de Nile-gegevensset die in eerdere hoofdstukken is gebruikt.

Deze oefening maakt deel uit van de cursus

Tijdreeksanalyse in R

Cursus bekijken

Oefeninstructies

Gebruik arima() om het MA-model te fitten op de reeks x.
Wat zijn de schattingen voor de helling (ma1), het gemiddelde (intercept) en de innovantievariantie (sigma^2) uit je arima()-output? Plak deze in je werkruimte.
Gebruik een vergelijkbare aanroep van arima() om het MA-model te fitten op de Nile-data. Sla de resultaten op als MA en gebruik print() om de output te tonen.
Gebruik tot slot de voorgeschreven commando's om de Nile-data en je gefitte MA-waarden te plotten.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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)

Code bewerken en uitvoeren