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

Bài tập

So sánh mô hình random walk (RW) và autoregressive (AR)

Mô hình random walk (RW) là một trường hợp đặc biệt của mô hình autoregressive (AR), trong đó tham số dốc bằng 1. Nhớ lại từ các chương trước rằng mô hình RW không dừng và thể hiện tính dai dẳng rất mạnh. Hàm tự hiệp phương sai mẫu (ACF) của nó cũng giảm về 0 rất chậm, nghĩa là các giá trị trong quá khứ có ảnh hưởng lâu dài lên các giá trị hiện tại.

Mô hình AR dừng có tham số dốc nằm giữa -1 và 1. Mô hình AR thể hiện mức độ dai dẳng cao hơn khi tham số dốc tiến gần 1, nhưng quá trình sẽ nhanh chóng quay về giá trị trung bình. ACF mẫu của nó cũng giảm về 0 nhanh theo tốc độ hình học, cho thấy các giá trị quá khứ xa có ít tác động lên các giá trị tương lai của quá trình.

Trong bài này, bạn sẽ khám phá các đặc điểm đó bằng cách mô phỏng và vẽ thêm dữ liệu từ một mô hình AR.

Hướng dẫn

100 XP
  • Dùng arima.sim() để mô phỏng 200 quan sát từ một mô hình AR với hệ số dốc 0.9. Lưu vào x.
  • Dùng ts.plot() để vẽ x và dùng acf() để xem ACF mẫu của nó.
  • Làm tương tự với mô hình AR có hệ số dốc 0.98. Lưu vào y.
  • Tiếp tục làm tương tự với mô hình RW (z), rồi so sánh chuỗi thời gian và các ACF mẫu do ba mô hình này tạo ra.