Skatta en AR-modell

Du ska skatta AR(1)-parametern, \(\small \phi\), för en av de simulerade tidsserier du skapade i den tidigare övningen. Eftersom parametrarna är kända för en simulerad serie är det ett bra sätt att förstå skattningsrutinerna innan du tillämpar dem på verkliga data.

För simulated_data_1, med ett sant \(\small \phi\) på 0,9, skriver du ut skattningen av \(\small \phi\). Dessutom skriver du ut hela resultatet som produceras när du anpassar en tidsserie, så att du får en uppfattning om vilka andra tester och sammanfattningsstatistiker som finns tillgängliga i statsmodels.

Den här övningen är en del av kursen

Tidsserieanalys i Python

Visa kurs

Övningsinstruktioner

Importera klassen ARIMA från modulen statsmodels.tsa.arima.model.
Skapa en instans av klassen ARIMA med namnet mod, med simulerade data simulated_data_1 och modellordningen (p,d,q) – för en AR(1) är det order=(1,0,0).
Anpassa modellen mod med metoden .fit() och spara resultatet i ett resultatobjekt med namnet res.
Skriv ut hela resultatsammanfattningen med metoden .summary().
Skriv enbart ut en skattning av \(\small \phi\) med attributet .params[1] (utan parenteser).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import the ARIMA module from statsmodels
from statsmodels.tsa.arima.model import ARIMA

# Fit an AR(1) model to the first simulated data
mod = ARIMA(___, order=___)
res = mod.___

# Print out summary information on the fit
print(res.___)

# Print out the estimate for phi
print("When the true phi=0.9, the estimate of phi is:")
print(res.___)

Redigera och kör kod