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

ćwiczenie

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.

Instrukcje

100 XP
  • 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?