1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modele ARIMA w R
Connected

ćwiczenie

ARIMA – podłącz i uruchom

Jak pokazano w filmie, szereg czasowy nazywamy ARIMA(\(p,d,q\)), jeśli szereg zróżnicowany (rzędu \(d\)) jest procesem ARMA(\(p,q\)).

Aby lepiej zrozumieć, jak działa ten model, przeanalizujesz dane symulowane z modelu zintegrowanego $$ Y_t = .9 Y_{t-1} + W_t\, $$ gdzie \(Y_t = \nabla X_t = X_t - X_{t-1}\). W tym przypadku model jest ARIMA(1,1,0), ponieważ zróżnicowane dane tworzą autoregresję rzędu pierwszego.

Symulowany szereg czasowy zapisany jest w obiekcie x i został wygenerowany w R za pomocą:
x <- arima.sim(model = list(order = c(1, 1, 0), ar = .9), n = 200).

Wykresisz wygenerowane dane oraz przykładowe funkcje ACF i PACF, aby zobaczyć, jak zachowują się dane zintegrowane. Następnie zróżnicujesz dane, żeby nadać im stacjonarność. Wykresisz zróżnicowane dane i odpowiadające im ACF oraz PACF, by przekonać się, jaką rolę odgrywa różnicowanie.

Podobnie jak wcześniej, pakiet astsa jest już wczytany. Dane z modelu ARIMA(1,1,0) z parametrem AR równym .9 są zapisane w obiekcie x.

Instrukcje

100 XP
  • Wykreśl wygenerowane dane.
  • Użyj funkcji acf2() z pakietu astsa, aby wykreślić parę przykładowych funkcji P/ACF dla wygenerowanych danych.
  • Wykreśl zróżnicowane dane.
  • Wywołaj ponownie acf2(), aby obejrzeć parę przykładowych funkcji P/ACF dla zróżnicowanych danych. Zwróć uwagę, że wskazują one na model AR(1) dla danych po różnicowaniu.