AR 与 MA 模型
如您所见，自回归（AR）和简单移动平均（MA）是两种常用的时间序列建模方法。但在实践中，如何判断 AR 还是 MA 模型更合适呢？
要评估模型拟合优度，可以计算每个模型的赤池信息准则（AIC）和贝叶斯信息准则（BIC）。虽然 AIC 和 BIC 的数学推导超出了本课程范围，但对您而言，核心思想是：这两个指标会对参数较多的模型施加惩罚，以避免过拟合，且数值越小越好。在其他条件相同的情况下，AIC 或 BIC 更低的模型被认为拟合更佳。
要估计这些指标，您可以使用 AIC() 和 BIC() 命令，它们都只需一个参数来指定待评估的模型。
在本练习中，您将回到 Nile 数据，以及您为该数据拟合的 AR 和 MA 模型。图右展示了这些模型及其对 1970 年代的预测（AR_fit）和（MA_fit）。
本练习是课程的一部分
R 中的时间序列分析
练习说明
- 作为比较这些模型的第一步，使用
cor()计算AR_fit与MA_fit之间的相关系数。 - 分别调用两次
AIC()来计算AR和MA的 AIC。 - 分别调用两次
BIC()来计算AR和MA的 BIC。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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