Alegerea modelului și analiza reziduurilor

Modele ARIMA în R

David Stoffer

Professor of Statistics at the University of Pittsburgh

AIC și BIC

ch2_3.006.png

  • AIC și BIC măsoară eroarea și penalizează (diferit) adăugarea de parametri

  • De exemplu, AIC are $\ k=2$, iar BIC are $\ k = log(n)$

  • Obiectiv: găsirea modelului cu cel mai mic AIC sau BIC

Modele ARIMA în R

Alegerea modelului: 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

Modele ARIMA în R

Analiza reziduurilor

sarima() include un grafic de analiză a reziduurilor cu:

  1. Reziduuri standardizate
  2. ACF eșantion al reziduurilor
  3. Grafic Q-Q normal
  4. Valori p ale statisticii Q

ch2_3.016.png

Modele ARIMA în R

Reziduuri necorespunzătoare

ch2_3.018.png

Modele ARIMA în R

Reziduuri necorespunzătoare

ch2_3.019.png

Modele ARIMA în R

Reziduuri necorespunzătoare

ch2_3.020.png

Modele ARIMA în R

Reziduuri necorespunzătoare

ch2_3.021.png

Modele ARIMA în R

Reziduuri necorespunzătoare

ch2_3.022.png

Modele ARIMA în R

Reziduuri necorespunzătoare

ch2_3.023.png

Modele ARIMA în R

Reziduuri necorespunzătoare

ch2_3.024.png

Modele ARIMA în R

Să exersăm!

Modele ARIMA în R

Preparing Video For Download...