Zacznij terazZacznij za darmo

Wybór modelu – I

Na podstawie pary P/ACF dla zlogarytmowanych i zróżnicowanych danych o varve (dl_varve) wskazany został model MA(1). Przy dopasowywaniu modeli ARMA najlepiej zacząć od modelu niskiego rzędu, a następnie stopniowo dodawać parametry, obserwując, czy wyniki się zmieniają.

W tym ćwiczeniu dopasowujesz różne modele do danych dl_varve i zapisujesz wartości AIC oraz BIC dla każdego z nich. W kolejnym ćwiczeniu użyjesz tych wartości do wyboru najlepszego modelu. Pamiętaj, że zależy ci na modelu z możliwie najmniejszą wartością AIC i/lub BIC.

Uwaga przed rozpoczęciem:

sarima(x, p = 0, d = 0, q = 1) i sarima(x, 0, 0, 1)

to to samo.

To ćwiczenie jest częścią kursu

Modele ARIMA w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Pakiet astsa jest już wczytany. Szereg varve został zlogarytmowany i zróżnicowany jako dl_varve <- diff(log(varve)).
  • Użyj funkcji sarima(), aby dopasować model MA(1) do dl_varve. Przyjrzyj się uważnie wynikowi polecenia sarima() – znajdziesz tam wartości AIC i BIC dla tego modelu.
  • Powtórz poprzednie ćwiczenie, ale tym razem dodaj parametr MA, dopasowując model MA(2). Czy na podstawie AIC i BIC jest to poprawa w stosunku do poprzedniego modelu?
  • Zamiast dodawać parametr MA, dodaj parametr AR do oryginalnego dopasowania MA(1). Tzn. dopasuj model ARMA(1,1) do dl_varve. Czy na podstawie AIC i BIC jest to poprawa w stosunku do poprzednich modeli?

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Fit an MA(1) to dl_varve.   


# Fit an MA(2) to dl_varve. Improvement?


# Fit an ARMA(1,1) to dl_varve. Improvement?
Edytuj i uruchom kod