การประมาณค่าโมเดล MA
ในแบบฝึกหัดนี้ จะประมาณค่าพารามิเตอร์ MA(1) ซึ่งก็คือ \(\small \theta\) จากชุดข้อมูลจำลองที่สร้างขึ้นในแบบฝึกหัดก่อนหน้า เนื่องจากชุดข้อมูลจำลองมีค่าพารามิเตอร์ที่ทราบอยู่แล้ว จึงเป็นวิธีที่ดีในการทำความเข้าใจขั้นตอนการประมาณค่าก่อนนำไปใช้กับข้อมูลจริง
สำหรับ simulated_data_1 ที่มีค่า \(\small \theta\) จริงเท่ากับ -0.9 ให้แสดงค่าประมาณของ \(\small \theta\) นอกจากนี้ ยังจะแสดงผลลัพธ์ทั้งหมดที่ได้จากการ fit อนุกรมเวลา เพื่อให้เห็นภาพว่ามีการทดสอบและสถิติสรุปอะไรอีกบ้างใน statsmodels
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์อนุกรมเวลาด้วย Python
คำแนะนำการฝึกหัด
- นำเข้าคลาส
ARIMAจากโมดูลstatsmodels.tsa.arima.model - สร้าง instance ของคลาส
ARIMAชื่อmodโดยใช้ข้อมูลจำลองsimulated_data_1และกำหนด order (p,d,q) ของโมเดล (สำหรับ MA(1)) เป็นorder=(0,0,1) - Fit โมเดล
modด้วยเมธอด.fit()แล้วเก็บผลลัพธ์ไว้ในออบเจกต์ชื่อres - แสดงสรุปผลทั้งหมดโดยใช้เมธอด
.summary() - แสดงเฉพาะค่าประมาณของพารามิเตอร์ theta โดยใช้แอตทริบิวต์
.params[1]
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import the ARIMA module from statsmodels
from statsmodels.tsa.arima.model import ARIMA
# Fit an MA(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 the constant and for theta
print("When the true theta=-0.9, the estimate of theta is:")
print(res.___)