Modele AR vs. MA

Așa cum ai văzut, modelele autoregresive (AR) și de medie mobilă simplă (MA) sunt două abordări utile pentru modelarea seriilor de timp. Dar cum poți determina, în practică, dacă un model AR sau MA este mai potrivit?

Pentru a evalua calitatea ajustării, poți calcula criteriul de informație Akaike (AIC) și criteriul de informație Bayesian (BIC) pentru fiecare model. Deși matematica din spatele AIC și BIC depășește scopul acestui curs, ideea esențială este că acești indicatori penalizează modelele cu mai mulți parametri estimați, pentru a evita supraajustarea, iar valorile mai mici sunt preferate. În condiții egale, un model care produce un AIC sau BIC mai mic decât altul este considerat mai bine ajustat.

Pentru a estima acești indicatori, poți folosi comenzile AIC() și BIC(), ambele necesitând un singur argument care specifică modelul în cauză.

În acest exercițiu, vei reveni la datele Nile și la modelele AR și MA ajustate pe aceste date. Aceste modele și predicțiile lor pentru anii '70 (AR_fit) și (MA_fit) sunt reprezentate în graficul din dreapta.

Acest exercițiu face parte din cursul

Analiza seriilor de timp în R

Vezi cursul

Instrucțiuni pentru exercițiu

Ca prim pas în compararea acestor modele, folosește cor() pentru a măsura corelația dintre AR_fit și MA_fit.
Folosește două apeluri ale funcției AIC() pentru a calcula AIC pentru AR, respectiv MA.
Folosește două apeluri ale funcției BIC() pentru a calcula BIC pentru AR, respectiv MA.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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

Editează și rulează codul