Pemilihan model dan analisis residual

Model ARIMA di R

David Stoffer

Professor of Statistics at the University of Pittsburgh

AIC dan BIC

ch2_3.006.png

  • AIC dan BIC mengukur galat dan memberi penalti (berbeda) saat menambah parameter

  • Misalnya, AIC punya $\ k=2$ dan BIC punya $\ k = log(n)$

  • Tujuan: temukan model dengan AIC atau BIC terkecil

Model ARIMA di R

Pilihan model: 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

Model ARIMA di R

Analisis residual

sarima() menyertakan grafik analisis residual yang menampilkan:

  1. Residual terstandarisasi
  2. ACF sampel dari residual
  3. Plot Q-Q normal
  4. p-value statistik Q

ch2_3.016.png

Model ARIMA di R

Residual buruk

ch2_3.018.png

Model ARIMA di R

Residual buruk

ch2_3.019.png

Model ARIMA di R

Residual buruk

ch2_3.020.png

Model ARIMA di R

Residual buruk

ch2_3.021.png

Model ARIMA di R

Residual buruk

ch2_3.022.png

Model ARIMA di R

Residual buruk

ch2_3.023.png

Model ARIMA di R

Residual buruk

ch2_3.024.png

Model ARIMA di R

Ayo berlatih!

Model ARIMA di R

Preparing Video For Download...