比較 random walk（RW）與 autoregressive（AR）模型
random walk（RW）模型是 autoregressive（AR）模型的一個特例，其中斜率參數等於 1。回想前幾章，RW 模型不是定態（stationary），而且具有非常強的持續性。它的樣本自我共變異數函數（ACF）也會非常緩慢地衰減至 0，代表過去的數值會長時間影響目前的數值。
定態的 AR 模型其斜率參數介於 -1 與 1 之間。當斜率參數越接近 1，AR 模型的持續性越高，但此程序仍會相對快速地回到其平均值。其樣本 ACF 也會以較快（幾何）的速率衰減到 0，表示很久以前的數值對未來的影響很小。
在本練習中，你將透過模擬並繪圖更多來自 AR 模型的資料，來探索這些特性。
本練習屬於課程
R 的時間序列分析
練習說明
- 使用
arima.sim()從斜率為0.9的 AR 模型模擬 200 筆觀測值。將結果存為x。 - 使用
ts.plot()繪製x，並用acf()檢視其樣本 ACF。 - 接著對斜率為
0.98的 AR 模型做相同操作。將結果存為y。 - 再對 RW 模型做相同操作（
z），並比較這三個模型所產生的時間序列與樣本 ACF。
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。
# Simulate and plot AR model with slope 0.9
x <- arima.sim(model = ___, n = ___)
ts.plot(___)
acf(___)
# Simulate and plot AR model with slope 0.98
y <-
ts.plot(___)
acf(___)
# Simulate and plot RW model
z <-
ts.plot(___)
acf(___)