AR 與 MA 模型
如你所見，自我迴歸（AR）與簡單移動平均（MA）是建構時間序列模型的兩種實用方法。不過，在實務上要如何判斷 AR 或 MA 哪一種模型更合適呢？
為了評估模型適配度，你可以分別計算每個模型的赤池資訊量準則（AIC）與貝葉斯資訊量準則（BIC）。雖然 AIC 與 BIC 的數學推導超出本課範圍，但重點在於：這些指標會對估計參數較多的模型施加懲罰，以避免過度擬合，且數值越小越好。在其他條件相同時，AIC 或 BIC 較低的模型被視為較佳的擬合。
要估計這些指標，你可以使用 AIC() 與 BIC() 指令，兩者都只需一個引數來指定要評估的模型。
在這個練習中，你會回到 Nile 資料，以及你先前對此資料配適的 AR 與 MA 模型。這些模型及其在 1970 年代的預測（AR_fit）與（MA_fit）已繪製在右側的圖上。
本練習屬於課程
R 的時間序列分析
練習說明
- 作為比較這些模型的第一步，使用
cor()測量AR_fit與MA_fit的相關係數。 - 分別呼叫兩次
AIC()，計算AR與MA的 AIC。 - 分別呼叫兩次
BIC()，計算AR與MA的 BIC。
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。
# Find correlation between AR_fit and MA_fit
cor(___, ___)
# Find AIC of AR
AIC(___)
# Find AIC of MA
# Find BIC of AR
BIC(___)
# Find BIC of MA