Оцініть авторегресійну (AR) модель

Для заданого часового ряду x ми можемо підігнати авторегресійну (AR) модель за допомогою команди arima() і встановлення order рівним c(1, 0, 0). Зауважте для довідки, що модель AR — це модель ARIMA(1, 0, 0).

У цій вправі ви дослідитесь додаткові властивості моделі AR, попрактикувавшись із командою arima() на змодельованому часовому ряді x, а також на даних AirPassengers. Ця команда дає змогу визначити оцінену похилу (ar1), середнє (intercept) та дисперсію інновацій (sigma^2) моделі.

І x, і дані AirPassengers попередньо завантажені у ваше середовище. Часовий ряд x показано на рисунку праворуч.

Ця вправа є частиною курсу

Аналіз часових рядів в R

Переглянути курс

Інструкції до вправи

Використайте arima() для підгонки моделі AR до ряду x. Уважно перегляньте вивід цієї команди.
Які оцінки похилої (ar1), середнього (intercept) та дисперсії інновацій (sigma^2) ви отримали з попередньої команди? Введіть їх у свій робочий простір R.
Тепер підженіть модель AR до AirPassengers, збережіть результати як AR. Скористайтеся print(), щоб відобразити підігнану модель AR.
Нарешті, використайте надані команди, щоб побудувати графік AirPassengers, обчислити підігнані значення та додати їх до рисунка.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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)

Редагувати та запускати код