1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Phân tích chuỗi thời gian bằng R
Connected

Bài tập

Mô hình AR so với MA

Như bạn đã thấy, tự hồi quy (AR) và trung bình trượt đơn giản (MA) là hai cách tiếp cận hữu ích để mô hình hóa chuỗi thời gian. Nhưng làm sao để biết trong thực tế nên dùng mô hình AR hay MA?

Để đánh giá độ phù hợp của mô hình, bạn có thể đo tiêu chuẩn thông tin Akaike (AIC) và tiêu chuẩn thông tin Bayes (BIC) cho mỗi mô hình. Dù phần toán học đằng sau AIC và BIC nằm ngoài phạm vi khóa học này, điều bạn cần nắm là các chỉ số này phạt các mô hình có nhiều tham số ước lượng hơn để tránh overfitting, và giá trị nhỏ hơn thì được ưa chuộng. Khi các yếu tố khác như nhau, mô hình có AIC hoặc BIC thấp hơn mô hình khác được xem là phù hợp hơn.

Để ước tính các chỉ số này, bạn có thể dùng các lệnh AIC() và BIC(), cả hai đều nhận một đối số duy nhất là mô hình cần đánh giá.

Trong bài tập này, bạn sẽ quay lại dữ liệu Nile và các mô hình AR và MA mà bạn đã khớp cho dữ liệu này. Các mô hình này và dự báo của chúng cho thập niên 1970 (AR_fit) và (MA_fit) được hiển thị trong biểu đồ bên phải.

Hướng dẫn

100 XP
  • Bước đầu tiên để so sánh các mô hình này, dùng cor() để đo tương quan giữa AR_fit và MA_fit.
  • Dùng hai lần gọi AIC() để tính AIC cho AR và MA, lần lượt.
  • Dùng hai lần gọi BIC() để tính BIC cho AR và MA, lần lượt.