估計 AR 模型
你將估計先前練習中所產生的某個模擬序列的 AR(1) 參數 $\small \phi$。由於模擬序列的參數是已知的，這是在套用到真實資料前，先理解估計流程的好方法。
對於 simulated_data_1，其真實的 \(\small \phi\) 為 0.9，你將列印出 \(\small \phi\) 的估計值。此外，你也會列印出在擬合時間序列時所產生的完整輸出，讓你了解 statsmodels 中還有哪些檢定與摘要統計可用。
本練習屬於課程
Python 中的時間序列分析
練習說明
- 從模組
statsmodels.tsa.arima.model匯入ARIMA類別。 - 使用模擬資料
simulated_data_1建立名為mod的ARIMA類別實例，並將模型的 (p,d,q) 順序（此處為 AR(1)）設為order=(1,0,0)。 - 以
.fit()擬合模型mod，並將結果儲存到名為res的結果物件。 - 使用
.summary()方法列印完整的結果摘要。 - 只列印 \(\small \phi\) 的估計值：使用
.params[1]屬性（不加括號）。
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。
# Import the ARIMA module from statsmodels
from statsmodels.tsa.arima.model import ARIMA
# Fit an AR(1) model to the first simulated data
mod = ARIMA(___, order=___)
res = mod.___
# Print out summary information on the fit
print(res.___)
# Print out the estimate for phi
print("When the true phi=0.9, the estimate of phi is:")
print(res.___)