Modelos AR vs MA
Como você viu, autorregressivo (AR) e média móvel simples (MA) são duas abordagens úteis para modelar séries temporais. Mas como determinar se um modelo AR ou MA é mais adequado na prática?
Para avaliar o ajuste do modelo, você pode medir o critério de informação de Akaike (AIC) e o critério de informação bayesiano (BIC) para cada modelo. Embora a matemática por trás do AIC e do BIC esteja além do escopo deste curso, para o seu propósito a ideia principal é que esses indicadores penalizam modelos com mais parâmetros estimados, para evitar overfitting, e valores menores são preferidos. Em igualdade de condições, um modelo que produz AIC ou BIC mais baixo do que outro é considerado um ajuste melhor.
Para estimar esses indicadores, você pode usar os comandos AIC() e BIC(), ambos exigindo um único argumento para especificar o modelo em questão.
Neste exercício, você vai voltar aos dados Nile e aos modelos AR e MA que ajustou a esses dados. Esses modelos e suas previsões para a década de 1970 (AR_fit) e (MA_fit) estão representados no gráfico à direita.
Este exercício faz parte do curso
Análise de Séries Temporais em R
Instruções do exercício
- Como primeiro passo para comparar esses modelos, use
cor()para medir a correlação entreAR_fiteMA_fit. - Use duas chamadas a
AIC()para calcular o AIC deAReMA, respectivamente. - Use duas chamadas a
BIC()para calcular o BIC deAReMA, respectivamente.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Find correlation between AR_fit and MA_fit
cor(___, ___)
# Find AIC of AR
AIC(___)
# Find AIC of MA
# Find BIC of AR
BIC(___)
# Find BIC of MA