ComeçarComece de graça

Escolha do modelo - I

Com base no par P/ACF amostral dos dados de varves log-transformados e diferenciados (dl_varve), foi indicado um MA(1). A melhor abordagem para ajustar ARMA é começar com um modelo de ordem baixa e, em seguida, tentar adicionar um parâmetro de cada vez para ver se os resultados mudam.

Neste exercício, você vai ajustar vários modelos aos dados dl_varve e anotar o AIC e o BIC de cada modelo. No próximo exercício, você usará esses AICs e BICs para escolher um modelo. Lembre-se de que você quer manter o modelo com o menor valor de AIC e/ou BIC.

Uma observação antes de começar:

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

são a mesma coisa.

Este exercício faz parte do curso

Modelos ARIMA em R

Ver curso

Instruções do exercício

  • O pacote astsa já está carregado. A série varve foi log-transformada e diferenciada como dl_varve <- diff(log(varve)).
  • Use sarima() para ajustar um MA(1) a dl_varve. Observe com atenção a saída do seu comando sarima() para ver o AIC e o BIC desse modelo.
  • Repita o exercício anterior, mas adicione um parâmetro MA ajustando um modelo MA(2). Com base em AIC e BIC, isso é uma melhora em relação ao modelo anterior?
  • Em vez de adicionar um parâmetro MA, adicione um parâmetro AR ao ajuste MA(1) original. Ou seja, ajuste um ARMA(1,1) a dl_varve. Com base em AIC e BIC, isso é uma melhora em relação aos modelos anteriores?

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Fit an MA(1) to dl_varve.   


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


# Fit an ARMA(1,1) to dl_varve. Improvement?
Editar e executar o código