模型選擇 - I
根據取對數並做差分後的 varve 資料（dl_varve）之樣本 P/ACF 配對，顯示適合 MA(1)。擬合 ARMA 的最佳做法，是從低階模型開始，然後一次只新增一個參數，觀察結果是否有所改變。
在本練習中，你會對 dl_varve 擬合多個模型，並記下每個模型的 AIC 與 BIC。下一個練習中，你將使用這些 AIC 與 BIC 來選擇模型。記住，你要保留 AIC 和／或 BIC 值最小的模型。
開始前先說明：
sarima(x, p = 0, d = 0, q = 1) 和 sarima(x, 0, 0, 1)
是相同的。
本練習屬於課程
R 中的 ARIMA 模型
練習說明
- 已預先載入套件 astsa。時間序列
varve已經取對數並做差分為dl_varve <- diff(log(varve))。 - 使用
sarima()對dl_varve擬合 MA(1)。仔細查看你執行sarima()的輸出，找出此模型的 AIC 與 BIC。 - 重複上一個步驟，但這次再增加一個 MA 參數，改擬合 MA(2) 模型。根據 AIC 與 BIC，這是否比前一個模型更好？
- 不新增 MA 參數，改為在原本的 MA(1) 上加入一個 AR 參數，也就是對
dl_varve擬合 ARMA(1,1)。根據 AIC 與 BIC，這是否優於前述模型？
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Fit an MA(1) to dl_varve.
# Fit an MA(2) to dl_varve. Improvement?
# Fit an ARMA(1,1) to dl_varve. Improvement?