Estymacja prostego modelu średniej ruchomej

Masz już za sobą symulowanie modeli MA i obliczanie ACF na ich podstawie – czas pójść o krok dalej. W tym ćwiczeniu dopasuj prosty model średniej ruchomej (MA) do danych za pomocą funkcji arima(). Dla danego szeregu czasowego x model MA można dopasować poleceniem arima(..., order = c(0, 0, 1)). Warto pamiętać, że model MA to inaczej model ARIMA(0, 0, 1).

W tym ćwiczeniu skorzystasz z wczytanego wcześniej szeregu czasowego (x, widocznego na wykresie po prawej stronie) oraz ze zbioru danych Nile, który pojawił się już we wcześniejszych rozdziałach.

To ćwiczenie jest częścią kursu

Analiza szeregów czasowych w R

Zobacz kurs

Instrukcje do ćwiczenia

Użyj funkcji arima(), aby dopasować model MA do szeregu x.
Jakie wartości współczynnika nachylenia (ma1), średniej (intercept) i wariancji innowacji (sigma^2) zwraca wynik arima()? Wklej je do swojego środowiska pracy.
Wykonaj podobne wywołanie arima(), aby dopasować model MA do danych Nile. Zapisz wyniki jako MA i wyświetl je za pomocą funkcji print().
Na koniec użyj gotowych poleceń, aby narysować wykres danych Nile wraz z dopasowanymi wartościami modelu MA.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Fit the MA model to x
arima(___, order = ___)

# Paste the slope (ma1) estimate below


# Paste the slope mean (intercept) estimate below


# Paste the innovation variance (sigma^2) estimate below


# Fit the MA model to Nile
MA <- arima(___, order = ___)
print(MA)

# Plot Nile and MA_fit 
ts.plot(Nile)
MA_fit <- Nile - resid(MA)
points(MA_fit, type = "l", col = 2, lty = 2)

Edytuj i uruchom kod