Estymacja modelu AR
Wyestymujesz parametr AR(1), \(\small \phi\), jednej z symulowanych szeregów czasowych wygenerowanych we wcześniejszym ćwiczeniu. Ponieważ parametry szeregu symulowanego są z góry znane, to dobry sposób na zrozumienie procedur estymacji przed zastosowaniem ich do rzeczywistych danych.
Dla simulated_data_1 z prawdziwą wartością \(\small \phi\) równą 0,9 wyświetlisz oszacowanie parametru \(\small \phi\). Poza tym wydrukujesz też pełne wyniki uzyskane po dopasowaniu modelu do szeregu czasowego – dzięki temu dowiesz się, jakie inne testy i statystyki podsumowujące są dostępne w bibliotece statsmodels.
To ćwiczenie jest częścią kursu
Analiza szeregów czasowych w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj klasę
ARIMAz modułustatsmodels.tsa.arima.model. - Utwórz instancję klasy
ARIMAo nazwiemod, używając danych symulowanychsimulated_data_1oraz rzędu (p,d,q) modelu – w przypadku AR(1) jest toorder=(1,0,0). - Dopasuj model
modmetodą.fit()i zapisz wyniki w obiekcie o nazwieres. - Wyświetl pełne podsumowanie wyników za pomocą metody
.summary(). - Wyświetl samo oszacowanie parametru \(\small \phi\), korzystając z atrybutu
.params[1](bez nawiasów).
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import the ARIMA module from statsmodels
from statsmodels.tsa.arima.model import ARIMA
# Fit an AR(1) model to the first simulated data
mod = ARIMA(___, order=___)
res = mod.___
# Print out summary information on the fit
print(res.___)
# Print out the estimate for phi
print("When the true phi=0.9, the estimate of phi is:")
print(res.___)