Вибір моделі та аналіз залишків

Моделі ARIMA в R

David Stoffer

Professor of Statistics at the University of Pittsburgh

AIC і BIC

ch2_3.006.png

  • AIC і BIC вимірюють помилку та по-різному штрафують за додавання параметрів

  • Наприклад, для AIC $\ k=2$, а для BIC $\ k = log(n)$

  • Мета: знайти модель з найменшим AIC або BIC

Моделі ARIMA в R

Вибір моделі: 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

Моделі ARIMA в R

Аналіз залишків

sarima() містить графік аналізу залишків, що показує:

  1. Стандартизовані залишки
  2. Вибіркову ACF залишків
  3. Нормальний Q–Q графік
  4. p-значення Q-статистики

ch2_3.016.png

Моделі ARIMA в R

Погані залишки

ch2_3.018.png

Моделі ARIMA в R

Погані залишки

ch2_3.019.png

Моделі ARIMA в R

Погані залишки

ch2_3.020.png

Моделі ARIMA в R

Погані залишки

ch2_3.021.png

Моделі ARIMA в R

Погані залишки

ch2_3.022.png

Моделі ARIMA в R

Погані залишки

ch2_3.023.png

Моделі ARIMA в R

Погані залишки

ch2_3.024.png

Моделі ARIMA в R

Давайте потренуємось!

Моделі ARIMA в R

Preparing Video For Download...