Modelkeuze en residu-analyse

ARIMA-modellen in R

David Stoffer

Professor of Statistics at the University of Pittsburgh

AIC en BIC

ch2_3.006.png

  • AIC en BIC meten de fout en straffen (anders) voor extra parameters

  • Bijv. AIC heeft $\ k=2$ en BIC heeft $\ k = log(n)$

  • Doel: vind het model met de kleinste AIC of BIC

ARIMA-modellen in R

Modelkeuze: AR(1) vs. MA(2)

gnpgr <- diff(log(gnp))
sarima(gnpgr, p = 1, d = 0, q = 0)

$AIC                          $BIC
-8.294403                     -9.263748

sarima(gnpgr, p = 0, d = 0, q = 2)

$AIC                          $BIC                                       
-8.297695                     -9.251712

ch2_3.010.png

ARIMA-modellen in R

Residu-analyse

sarima() bevat een residu-analyse met:

  1. Gestandaardiseerde residuen
  2. Steekproef-ACF van residuen
  3. Normale Q-Q-plot
  4. Q-statistiek p-waarden

ch2_3.016.png

ARIMA-modellen in R

Slechte residuen

ch2_3.018.png

ARIMA-modellen in R

Slechte residuen

ch2_3.019.png

ARIMA-modellen in R

Slechte residuen

ch2_3.020.png

ARIMA-modellen in R

Slechte residuen

ch2_3.021.png

ARIMA-modellen in R

Slechte residuen

ch2_3.022.png

ARIMA-modellen in R

Slechte residuen

ch2_3.023.png

ARIMA-modellen in R

Slechte residuen

ch2_3.024.png

ARIMA-modellen in R

Laten we oefenen!

ARIMA-modellen in R

Preparing Video For Download...