诊断——模拟过拟合
检验分析的一种方法是通过增加额外参数来对模型进行过拟合，以查看结果是否发生变化。如果加参数后结果变化很大，您就需要重新考虑模型。相反，如果结果变化不大，您可以更有信心地认为拟合是合理的。
我们从一个 ARIMA(0,1,1) 模型（MA 参数为 0.9）生成了 250 个观测。首先，您将使用常规方法将模型拟合到数据上。
然后，您可以通过过拟合（添加一个参数）来检查模型，看看是否会产生影响。在这里，您将再添加一个 MA 参数，以验证它其实不需要。
与往常一样，astsa 包已预加载，生成的数据 x 已为您作图。差分数据 diff(x) 也已绘制。请注意，它看起来是平稳的。
本练习是课程的一部分
R 中的 ARIMA 模型
练习说明
- 使用
acf2()绘制差分数据的样本 ACF 和 PACF，并注意模型很容易被识别。 - 使用
sarima()拟合 ARIMA(0,1,1) 模型到模拟数据。将 MA 参数估计与真实值 0.9 比较，并检查残差图。 - 通过添加一个额外的 MA 参数来过拟合模型。也就是说，拟合 ARIMA(0,1,2) 并将其与 ARIMA(0,1,1) 的结果进行比较。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Plot sample P/ACF pair of the differenced data
# Fit the first model, compare parameters, check diagnostics
# Fit the second model and compare fit