เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประมาณค่าโมเดล Moving Average อย่างง่าย

หลังจากที่จำลองโมเดล MA และคำนวณ ACF จากโมเดลเหล่านั้นแล้ว ขั้นตอนต่อไปคือการฟิตโมเดล Moving Average (MA) อย่างง่ายกับข้อมูลจริงโดยใช้คำสั่ง arima() สำหรับอนุกรมเวลา x ที่กำหนด สามารถฟิตโมเดล MA ได้ด้วย arima(..., order = c(0, 0, 1)) โดยอ้างอิงว่าโมเดล MA คือโมเดล ARIMA(0, 0, 1)

ในแบบฝึกหัดนี้ จะได้ฝึกใช้อนุกรมเวลา (x ที่แสดงในกราฟทางขวา) ซึ่งโหลดไว้ล่วงหน้า รวมถึงชุดข้อมูล Nile ที่ใช้ในบทก่อนหน้า

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์อนุกรมเวลาใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ arima() เพื่อฟิตโมเดล MA กับอนุกรม x
  • ค่าประมาณของ slope (ma1), ค่าเฉลี่ย (intercept) และความแปรปรวนของ innovation (sigma^2) ที่ได้จากผลลัพธ์ arima() คืออะไร ให้นำค่าเหล่านี้ไปวางในพื้นที่ทำงานของคุณ
  • ใช้คำสั่ง arima() ในลักษณะเดียวกันเพื่อฟิตโมเดล MA กับข้อมูล Nile บันทึกผลลัพธ์เป็น MA และใช้ print() เพื่อแสดงผลลัพธ์
  • สุดท้าย ใช้คำสั่งที่เขียนไว้ล่วงหน้าเพื่อพล็อตข้อมูล Nile พร้อมกับค่าที่ได้จากโมเดล MA ที่ฟิตไว้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด