1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Phân tích chuỗi thời gian với Python
Connected

Bài tập

Ước lượng bậc mô hình: Tiêu chí thông tin

Một cách khác để xác định bậc của mô hình là xem xét Akaike Information Criterion (AIC) và Bayesian Information Criterion (BIC). Các thước đo này đánh giá mức độ phù hợp (goodness of fit) với các tham số ước lượng, nhưng áp dụng một hàm phạt theo số lượng tham số trong mô hình. Bạn sẽ dùng dữ liệu mô phỏng AR(2) từ bài trước, được lưu là simulated_data_2, và tính BIC khi bạn thay đổi bậc p trong mô hình AR(p) từ 0 đến 6.

Hướng dẫn

100 XP
  • Import mô-đun ARIMA để ước lượng tham số và tính BIC.
  • Khởi tạo một mảng numpy BIC, dùng để lưu BIC cho từng mô hình AR(p).
  • Lặp qua bậc p với p = 0,…,6.
    • Với mỗi p, fit dữ liệu vào mô hình AR bậc p.
    • Với mỗi p, lưu giá trị BIC bằng thuộc tính .bic (không có ngoặc) của res.
  • Vẽ đồ thị BIC theo p (khi vẽ, bỏ qua p=0 và vẽ cho p=1,…,6).