Mô phỏng mô hình tự hồi quy

Mô hình tự hồi quy (AR) có lẽ là mô hình chuỗi thời gian được dùng rộng rãi nhất. Nó có cách diễn giải quen thuộc như hồi quy tuyến tính đơn giản, nhưng ở đây mỗi quan sát được hồi quy theo quan sát liền trước. Mô hình AR cũng bao gồm mô hình nhiễu trắng (WN) và bước ngẫu nhiên (RW) đã xét ở các chương trước như những trường hợp đặc biệt.

Hàm linh hoạt arima.sim() được dùng ở các chương trước cũng có thể dùng để mô phỏng dữ liệu từ một mô hình AR bằng cách đặt đối số model bằng list(ar = phi), trong đó phi là tham số hệ số dốc thuộc khoảng (-1, 1). Ta cũng cần chỉ định độ dài chuỗi n.

Trong bài tập này, bạn sẽ dùng lệnh đó để mô phỏng và vẽ ba mô hình AR khác nhau với hệ số dốc lần lượt bằng 0.5, 0.9 và -0.75.

Bài tập này là một phần của khóa học

Phân tích chuỗi thời gian bằng R

Xem khóa học

Hướng dẫn bài tập

Dùng arima.sim() để mô phỏng 100 quan sát của mô hình AR với hệ số dốc bằng 0.5. Để làm vậy, đặt đối số model bằng list(ar = 0.5) và đối số n bằng 100. Lưu dữ liệu mô phỏng vào x.
Dùng lời gọi tương tự arima.sim() để mô phỏng 100 quan sát của mô hình AR với hệ số dốc bằng 0.9. Lưu dữ liệu này vào y.
Dùng lần gọi thứ ba arima.sim() để mô phỏng 100 quan sát của mô hình AR với hệ số dốc bằng -0.75. Lưu dữ liệu này vào z.
Dùng plot.ts() với cbind() để vẽ ba đối tượng ts của bạn (x, y, z).

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Simulate an AR model with 0.5 slope
x <- arima.sim(model = ___, n = ___)

# Simulate an AR model with 0.9 slope
y <- 

# Simulate an AR model with -0.75 slope
z <- 

# Plot your simulated data
plot.ts(cbind(___, ___, ___))

Chỉnh sửa và Chạy Mã