ประมาณค่าโมเดล Autoregressive (AR)
สำหรับ time series x ที่กำหนดให้ เราสามารถ fit โมเดล autoregressive (AR) ได้โดยใช้คำสั่ง arima() และตั้งค่า order เป็น c(1, 0, 0) ทั้งนี้ โมเดล AR คือโมเดล ARIMA(1, 0, 0) นั่นเอง
ในแบบฝึกหัดนี้ จะได้สำรวจคุณสมบัติเพิ่มเติมของโมเดล AR โดยฝึกใช้คำสั่ง arima() กับ time series จำลอง x และข้อมูล AirPassengers คำสั่งนี้ช่วยให้ระบุค่าประมาณของ slope (ar1), mean (intercept), และ innovation variance (sigma^2) ของโมเดลได้
ทั้ง x และข้อมูล AirPassengers ถูกโหลดไว้ใน environment แล้ว โดย time series x แสดงอยู่ในกราฟด้านขวา
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์อนุกรมเวลาใน R
คำแนะนำการฝึกหัด
- ใช้
arima()เพื่อ fit โมเดล AR กับ seriesxแล้วพิจารณาผลลัพธ์ที่ได้อย่างละเอียด - ค่าประมาณ slope (
ar1), mean (intercept), และ innovation variance (sigma^2) จากคำสั่งก่อนหน้าคืออะไร? ให้พิมพ์ค่าเหล่านั้นลงใน R workspace - จากนั้น fit โมเดล AR กับ
AirPassengersโดยบันทึกผลลัพธ์เป็นARแล้วใช้print()เพื่อแสดงโมเดลที่ fit แล้ว - สุดท้าย ใช้คำสั่งที่เตรียมไว้เพื่อพล็อต
AirPassengersคำนวณค่า fitted values และเพิ่มลงในกราฟ
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Fit the AR model to x
arima(___, order = ___)
# Copy and paste the slope (ar1) estimate
# Copy and paste the slope mean (intercept) estimate
# Copy and paste the innovation variance (sigma^2) estimate
# Fit the AR model to AirPassengers
AR <-
print(AR)
# Run the following commands to plot the series and fitted values
ts.plot(AirPassengers)
AR_fitted <- AirPassengers - residuals(AR)
points(AR_fitted, type = "l", col = 2, lty = 2)