Estimează modelul simplu al mediei mobile

Acum că ai simulat câteva modele MA și ai calculat ACF-ul acestora, următorul pas este să ajustezi modelul simplu al mediei mobile (MA) pe date reale folosind comanda arima(). Pentru un șir de timp x, poți ajusta modelul MA cu arima(..., order = c(0, 0, 1)). Reține că un model MA este un model ARIMA(0, 0, 1).

În acest exercițiu, vei lucra atât cu un șir de timp preîncărcat (x, vizualizat în graficul din dreapta), cât și cu setul de date Nile folosit în capitolele anterioare.

Acest exercițiu face parte din cursul

Analiza seriilor de timp în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește arima() pentru a ajusta modelul MA pe seria x.
Care sunt estimările pentru pantă (ma1), medie (intercept) și varianța inovației (sigma^2) produse de rezultatul arima()? Introdu-le în spațiul tău de lucru.
Folosește un apel similar la arima() pentru a ajusta modelul MA pe datele Nile. Salvează rezultatele ca MA și folosește print() pentru a afișa rezultatul.
În final, folosește comenzile pre-scrise pentru a reprezenta grafic datele Nile și valorile MA ajustate.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)

Editează și rulează codul