AR ve MA modelleri
Gördüğün gibi, otoregresif (AR) ve basit hareketli ortalama (MA) zaman serilerini modellemek için iki faydalı yaklaşımdır. Peki pratikte AR mi yoksa MA modeli mi daha uygun, bunu nasıl belirleyebilirsin?
Model uyumunu değerlendirmek için her modelin Akaike bilgi ölçütü (AIC) ve Bayesçi bilgi ölçütünü (BIC) ölçebilirsin. AIC ve BIC’in arkasındaki matematik bu dersin kapsamının dışında kalsa da, burada bilmen gereken temel fikir şu: Bu göstergeler, aşırı uyumu önlemek için daha fazla tahmin edilen parametreye sahip modelleri cezalandırır ve daha küçük değerler tercih edilir. Diğer tüm etkenler eşitse, AIC veya BIC değeri daha düşük olan model daha iyi uyum sağlar kabul edilir.
Bu göstergeleri tahmin etmek için, her ikisi de tartışılan modeli belirtmek üzere tek bir argüman alan AIC() ve BIC() komutlarını kullanabilirsin.
Bu egzersizde, Nile verisine ve bu veriye uydurduğun AR ve MA modellere geri döneceksin. Bu modeller ve 1970’ler için yaptıkları tahminler (AR_fit) ve (MA_fit) sağdaki grafikte gösterilmiştir.
Bu egzersiz, kursun bir parçasıdır
R ile Zaman Serisi Analizi
Egzersiz talimatları
- Bu modelleri karşılaştırmada ilk adım olarak,
cor()ileAR_fitveMA_fitarasındaki korelasyonu ölç. AIC()’yi iki kez çağırarak sırasıylaARveMAiçin AIC’yi hesapla.BIC()’yi iki kez çağırarak sırasıylaARveMAiçin BIC’yi hesapla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Find correlation between AR_fit and MA_fit
cor(___, ___)
# Find AIC of AR
AIC(___)
# Find AIC of MA
# Find BIC of AR
BIC(___)
# Find BIC of MA