估计自回归（AR）模型

对于给定的时间序列 x，我们可以使用 arima() 命令并将 order 设为 c(1, 0, 0) 来拟合自回归（AR）模型。作为参考，AR 模型等同于 ARIMA(1, 0, 0) 模型。

在本练习中，您将通过在模拟时间序列 x 和 AirPassengers 数据上练习使用 arima() 命令，来探索 AR 模型的更多性质。该命令可用于识别模型的估计斜率（ar1）、均值（intercept）和创新方差（sigma^2）。

x 和 AirPassengers 数据都已预加载到您的环境中。右侧图中显示了时间序列 x。

本练习是课程的一部分

R 中的时间序列分析

查看课程

练习说明

使用 arima() 将 AR 模型拟合到序列 x。请仔细查看该命令的输出。
您在上一步命令得到的斜率（ar1）、均值（intercept）和创新方差（sigma^2）的估计值分别是多少？请将它们输入到您的 R 工作区。
现在，将 AR 模型拟合到 AirPassengers，并将结果保存为 AR。使用 print() 显示已拟合的模型 AR。
最后，使用提供的命令绘制 AirPassengers，计算拟合值，并将其添加到图中。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Fit the AR model to x
arima(___, order = ___)

# Copy and paste the slope (ar1) estimate


# Copy and paste the slope mean (intercept) estimate


# Copy and paste the innovation variance (sigma^2) estimate


# Fit the AR model to AirPassengers
AR <-
print(AR)

# Run the following commands to plot the series and fitted values
ts.plot(AirPassengers)
AR_fitted <- AirPassengers - residuals(AR)
points(AR_fitted, type = "l", col = 2, lty = 2)

编辑并运行代码