1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Mô hình ARIMA trong R
Connected

Bài tập

Khớp một mô hình ARMA

Giờ bạn đã sẵn sàng kết hợp mô hình AR và mô hình MA thành mô hình ARMA. Chúng tôi đã sinh dữ liệu từ mô hình ARMA(2,1), $$X_t = X_{t-1} - .9 X_{t-2} + W_t + .8 W_{t-1}, $$ x <- arima.sim(model = list(order = c(2, 0, 1), ar = c(1, -.9), ma = .8), n = 250). Hãy xem dữ liệu mô phỏng và cặp ACF/PACF mẫu để xác định một mô hình khả dĩ.

Nhớ rằng với mô hình ARMA(\(p, q\)), cả ACF và PACF lý thuyết đều giảm dần về sau (tail off). Trong trường hợp này, rất khó suy ra bậc từ dữ liệu và có thể không rõ liệu ACF mẫu hoặc PACF mẫu có “cắt cụt” hay “giảm dần”. Ở đây, bạn biết bậc mô hình thực sự, nên hãy khớp một ARMA(2,1) cho dữ liệu đã sinh. Chiến lược mô hình hóa tổng quát sẽ được thảo luận thêm trong khóa học.

Hướng dẫn

100 XP
  • Gói astsa đã được nạp sẵn. 250 quan sát ARMA(2,1) nằm trong x.
  • Như các bài trước, dùng plot() để vẽ dữ liệu đã sinh trong x và dùng acf2() để xem cặp ACF và PACF mẫu.
  • Dùng sarima() để khớp một ARMA(2,1) cho dữ liệu đã sinh. Xem bảng t và so sánh các ước lượng với giá trị đúng.