Previsões simples a partir de um modelo MA estimado
Agora que você estimou um modelo MA com seus dados Nile, o próximo passo é fazer previsões simples com esse modelo. Assim como em outros tipos de modelos, você pode usar a função predict() para obter previsões simples do seu modelo MA estimado. Lembre-se de que o valor $pred é a previsão, enquanto o valor $se é o erro-padrão dessa previsão; ambos são baseados no modelo MA ajustado.
Mais uma vez, para fazer previsões para vários períodos além da última observação, você pode usar o argumento n.ahead = h na sua chamada a predict(). As previsões são feitas recursivamente de 1 até h passos à frente a partir do fim da série temporal observada. No entanto, observe que, exceto pela previsão de 1 passo, todas as previsões do modelo MA são iguais à média estimada (intercept).
Neste exercício, você vai usar o modelo MA derivado dos seus dados Nile para fazer previsões simples sobre os níveis futuros de vazão do Rio Nilo. Seu modelo MA do exercício anterior está disponível no seu ambiente.
Este exercício faz parte do curso
Análise de Séries Temporais em R
Instruções do exercício
- Use
predict()para fazer uma previsão do nível de vazão do Rio Nilo em 1971. Armazene a previsão empredict_MA. - Use
predict_MAjunto com$pred[1]para obter a previsão de 1 passo. - Faça outra chamada a
predict()para gerar previsões de 1971 até 1980. Para isso, defina o argumenton.aheadigual a10. - Execute o código pré-escrito para plotar a série temporal
Nilemais a previsão e os intervalos de predição de 95%.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Make a 1-step forecast based on MA
predict_MA <-
# Obtain the 1-step forecast using $pred[1]
# Make a 1-step through 10-step forecast based on MA
# Plot the Nile series plus the forecast and 95% prediction intervals
ts.plot(Nile, xlim = c(1871, 1980))
MA_forecasts <- predict(MA, n.ahead = 10)$pred
MA_forecast_se <- predict(MA, n.ahead = 10)$se
points(MA_forecasts, type = "l", col = 2)
points(MA_forecasts - 2*MA_forecast_se, type = "l", col = 2, lty = 2)
points(MA_forecasts + 2*MA_forecast_se, type = "l", col = 2, lty = 2)