ПочатиПочніть безкоштовно

Вибір моделі — I

На основі пари вибіркових P/ACF для залогаритмованих і продиференційованих даних варв (dl_varve) була вказана модель MA(1). Найкраща стратегія під час підгонки ARMA — почати з моделі низького порядку, а потім додавати по одному параметру, щоб перевірити, чи змінюються результати.

У цій вправі ви підгоните кілька моделей до даних dl_varve і занотуєте AIC та BIC для кожної моделі. У наступній вправі ви використаєте ці значення AIC і BIC, щоб обрати модель. Пам'ятайте, що слід залишити модель з найменшим значенням AIC та/або BIC.

Невелика примітка перед початком:

sarima(x, p = 0, d = 0, q = 1) і sarima(x, 0, 0, 1)

— це одне й те саме.

Ця вправа є частиною курсу

Моделі ARIMA в R

Переглянути курс

Інструкції до вправи

  • Пакет astsa попередньо завантажено. Ряд varve залогаритмовано та продиференційовано як dl_varve <- diff(log(varve)).
  • Використайте sarima(), щоб підігнати MA(1) до dl_varve. Уважно перегляньте вивід команди sarima(), щоб побачити AIC і BIC для цієї моделі.
  • Повторіть попередній крок, але додайте параметр MA, підігнавши модель MA(2). З огляду на AIC і BIC, чи є це поліпшенням порівняно з попередньою моделлю?
  • Замість додавання параметра MA додайте параметр AR до початкової підгонки MA(1). Тобто підіженіть ARMA(1,1) до dl_varve. З огляду на AIC і BIC, чи є це поліпшенням порівняно з попередніми моделями?

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Fit an MA(1) to dl_varve.   


# Fit an MA(2) to dl_varve. Improvement?


# Fit an ARMA(1,1) to dl_varve. Improvement?
Редагувати та запускати код