เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

จำลองโมเดล Autoregressive

โมเดล Autoregressive (AR) ถือเป็นโมเดล Time Series ที่ได้รับความนิยมสูงที่สุด โมเดลนี้มีการตีความที่คุ้นเคยเหมือนกับการถดถอยเชิงเส้นอย่างง่าย แต่แต่ละค่าสังเกตจะถูก regress บนค่าสังเกตก่อนหน้า นอกจากนี้ โมเดล AR ยังครอบคลุมโมเดล White Noise (WN) และ Random Walk (RW) ที่ได้ศึกษาไปในบทก่อนหน้าในฐานะ special cases

ฟังก์ชัน arima.sim() ที่ใช้งานได้หลากหลายในบทก่อนหน้า สามารถนำมาจำลองข้อมูลจากโมเดล AR ได้เช่นกัน โดยกำหนดอาร์กิวเมนต์ model ให้เท่ากับ list(ar = phi) ซึ่ง phi คือพารามิเตอร์ความชันที่มีค่าอยู่ในช่วง (-1, 1) รวมทั้งต้องระบุความยาวของชุดข้อมูล n ด้วย

ในแบบฝึกหัดนี้ จะใช้คำสั่งดังกล่าวเพื่อจำลองและพล็อตโมเดล AR สามแบบที่มีพารามิเตอร์ความชันเท่ากับ 0.5, 0.9 และ -0.75 ตามลำดับ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์อนุกรมเวลาใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ arima.sim() เพื่อจำลองข้อมูล 100 ค่าสังเกตของโมเดล AR ที่มีค่าความชันเท่ากับ 0.5 โดยกำหนดอาร์กิวเมนต์ model ให้เท่ากับ list(ar = 0.5) และกำหนดอาร์กิวเมนต์ n ให้เท่ากับ 100 แล้วบันทึกข้อมูลที่จำลองได้ไปยัง x
  • ใช้คำสั่ง arima.sim() ในลักษณะเดียวกันเพื่อจำลองข้อมูล 100 ค่าสังเกตของโมเดล AR ที่มีค่าความชันเท่ากับ 0.9 แล้วบันทึกข้อมูลไปยัง y
  • ใช้คำสั่ง arima.sim() เป็นครั้งที่สามเพื่อจำลองข้อมูล 100 ค่าสังเกตของโมเดล AR ที่มีค่าความชันเท่ากับ -0.75 แล้วบันทึกข้อมูลไปยัง z
  • ใช้ plot.ts() ร่วมกับ cbind() เพื่อพล็อต ts object ทั้งสามตัว (x, y, z)

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Simulate an AR model with 0.5 slope
x <- arima.sim(model = ___, n = ___)

# Simulate an AR model with 0.9 slope
y <- 

# Simulate an AR model with -0.75 slope
z <- 

# Plot your simulated data
plot.ts(cbind(___, ___, ___))
แก้ไขและรันโค้ด