估计随机游走模型
对于给定的时间序列 y，可以通过先对数据做一阶差分，然后使用 arima() 命令并设置参数 order = c(0, 0, 0))，将白噪声（WN）模型拟合到差分后的数据，从而得到带漂移项的随机游走模型。
arima() 命令会显示关于已拟合模型的信息或输出。在 Coefficients: 标题下，您会看到估计得到的漂移项，名称为 intercept。其近似标准误（s.e.）显示在其正下方。模型中 WN 部分的方差也会被估计，并标注为 sigma^2。
本练习是课程的一部分
R 中的时间序列分析
练习说明
- 时间序列
random_walk已加载，并显示在旁边的图中。使用diff()生成一阶差分数据，并将结果保存为rw_diff。 - 使用
ts.plot()绘制差分后的数据。 - 使用
arima()对差分数据拟合 WN 模型。为此，将参数x设为rw_diff，order设为c(0, 0, 0)，并将模型保存为model_wn。 - 将
model_wn的intercept值保存到int_wn中。您可以通过model_wn$coef获取该值。 - 使用
ts.plot()重新绘制原始的random_walk图。 - 使用
abline()将估计的时间趋势添加到旁边的图中。可将int_wn作为第二个参数传入。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Difference your random_walk data
rw_diff <-
# Plot rw_diff
# Now fit the WN model to the differenced data
model_wn <-
# Store the value of the estimated time trend (intercept)
int_wn <-
# Plot the original random_walk data
# Use abline(0, ...) to add time trend to the figure