Kom igångKom igång gratis

ARIMA – plug and play

Som du såg i videon kallas en tidsserie ARIMA(\(p,d,q\)) om den differentierade serien (av ordning \(d\)) är ARMA(\(p,q\)).

För att förstå hur modellen fungerar analyserar du simulerade data från den integrerade modellen $$ Y_t = .9 Y_{t-1} + W_t\, $$ där \(Y_t = \nabla X_t = X_t - X_{t-1}\). I det här fallet är modellen en ARIMA(1,1,0) eftersom de differentierade data utgör en autoregression av ordning ett.

Den simulerade tidsserien finns i x och genererades i R med
x <- arima.sim(model = list(order = c(1, 1, 0), ar = .9), n = 200).

Du plottar de genererade data samt stickprovs-ACF och -PACF för de genererade data för att se hur integrerade data beter sig. Sedan differentierar du data för att göra dem stationära. Du plottar de differentierade data och motsvarande stickprovs-ACF och -PACF för att se vilken effekt differentieringen har.

Precis som tidigare har paketet astsa laddats in åt dig. Data från en ARIMA(1,1,0) med AR-parametern .9 är sparade i objektet x.

Den här övningen är en del av kursen

ARIMA-modeller i R

Visa kurs

Övningsinstruktioner

  • Plotta de genererade data.
  • Använd acf2() från astsa för att plotta stickprovs-P/ACF-paret för de genererade data.
  • Plotta de differentierade data.
  • Använd ytterligare ett anrop till acf2() för att visa stickprovs-P/ACF-paret för de differentierade data. Notera hur de antyder en AR(1)-modell för de differentierade data.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Plot x


# Plot the P/ACF pair of x


# Plot the differenced data


# Plot the P/ACF pair of the differenced data
Redigera och kör kod