Діагностика — імітоване перенавчання
Один зі способів перевірити аналіз — перенавчити модель, додавши зайвий параметр, і подивитися, чи зміняться результати. Якщо додавання параметрів суттєво змінює результати, модель варто переглянути. Якщо ж результати змінюються незначно, можна бути впевненими, що підгонка коректна.
Ми згенерували 250 спостережень з моделі ARIMA(0,1,1) із параметром MA 0,9. Спочатку ви підженете цю модель до даних, використовуючи усталені методики.
Далі ви перевірите модель через перенавчання (додавання параметра), щоб побачити, чи це щось змінює. У цьому випадку ви додасте додатковий параметр MA, щоб переконатися, що він не потрібен.
Як завжди, пакет astsa попередньо завантажено, а згенеровані дані в x уже побудовано на графіку. Також побудовано різницеві дані diff(x). Зауважте, що вони виглядають стаціонарними.
Ця вправа є частиною курсу
Моделі ARIMA в R
Інструкції до вправи
- Побудуйте вибіркові ACF і PACF для різницевих даних за допомогою
acf2()і зауважте, що модель легко ідентифікується. - Підженіть модель ARIMA(0,1,1) до імітованих даних за допомогою
sarima(). Порівняйте оцінку параметра MA з фактичним значенням 0,9 та перегляньте графіки залишків. - Перенавчіть модель, додавши додатковий параметр MA. Тобто підженіть ARIMA(0,1,2) до даних і порівняйте її з запуском ARIMA(0,1,1).
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Plot sample P/ACF pair of the differenced data
# Fit the first model, compare parameters, check diagnostics
# Fit the second model and compare fit