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

ćwiczenie

Diagnostyka – symulowane nadmierne dopasowanie

Jednym ze sposobów weryfikacji analizy jest celowe nadmierne dopasowanie modelu – polega to na dodaniu dodatkowego parametru i sprawdzeniu, czy ma to istotny wpływ na wyniki. Jeśli dodanie parametrów drastycznie zmienia wyniki, warto przemyśleć wybór modelu. Jeśli natomiast wyniki nie zmieniają się znacząco, możesz mieć pewność, że dopasowanie jest poprawne.

Wygenerowaliśmy 250 obserwacji z modelu ARIMA(0,1,1) z parametrem MA równym 0,9. Najpierw dopasuj model do danych, korzystając z poznanych metod.

Następnie zweryfikuj model przez nadmierne dopasowanie – dodaj jeden parametr i sprawdź, czy robi to różnicę. W tym przypadku dodasz dodatkowy parametr MA, żeby przekonać się, że nie jest on potrzebny.

Jak zwykle, pakiet astsa jest wczytany, a wygenerowane dane w x zostały już wykreślone. Wykreślono również różnice diff(x). Zwróć uwagę, że wyglądają one jak szereg stacjonarny.

Instrukcje

100 XP
  • Wykreśl próbkową funkcję ACF i PACF danych po różnicowaniu, używając acf2(), i zwróć uwagę, że model można łatwo zidentyfikować.
  • Dopasuj model ARIMA(0,1,1) do symulowanych danych za pomocą sarima(). Porównaj oszacowanie parametru MA z rzeczywistą wartością 0,9 i przeanalizuj wykresy reszt.
  • Nadmiernie dopasuj model, dodając kolejny parametr MA. Innymi słowy, dopasuj model ARIMA(0,1,2) do danych i porównaj go z wynikami dla ARIMA(0,1,1).