Dans le arima en R, ¿qué hace order(1, 0, 12) significa? ¿Cuáles son los valores que se pueden asignar a p , d , q y ¿cuál es el proceso para encontrar esos valores?
Respuestas
¿Demasiados anuncios?
bryceadams
Puntos
111
- ¿Qué significa ARIMA(1, 0, 12)?
Específicamente para su modelo, ARIMA(1, 0, 12) significa que está describiendo una variable de respuesta (Y) combinando un modelo autorregresivo de primer orden y un modelo de media móvil de 12 orden. Una buena manera de pensar en ello es (AR, I, MA). Esto hace que su modelo se vea de la siguiente manera, en términos simples:
Y = (Parámetros autorregresivos) + (Parámetros de media móvil)
El 0 entre el 1 y el 12 representa la parte "I" del modelo (la parte integradora) y significa un modelo en el que se está tomando la diferencia entre los datos de la variable de respuesta - esto se puede hacer con datos no estacionarios y no parece que estés tratando con eso, así que puedes ignorarlo.
El enlace que ha puesto DanTheMan muestra una buena mezcla de modelos que podría ayudarte a entender el tuyo comparándolo con esos.
- ¿Qué valores se pueden asignar a p, d, q?
Muchos números enteros diferentes. Hay pruebas de diagnóstico que puedes hacer para tratar de encontrar los mejores valores de p,d,q (ver parte 3).
- ¿Cuál es el proceso para encontrar los valores de p, d, q?
Hay varias maneras, y no pretendo que esto sea exhaustivo:
- mirar un gráfico de autocorrelación de los datos (ayudará si el modelo de media móvil (MA) es apropiado)
- mirar un gráfico de autocorrelación parcial de los datos (ayudará a saber si el modelo autorregresivo (AR) es apropiado)
- mirar el gráfico de autocorrelación extendida de los datos (ayudará si se necesita una combinación de AR y MA)
- probar el criterio de información de Akaike (AIC) en un conjunto de modelos e investigar los modelos con los valores AIC más bajos
- probar el Criterio de Información Bayesiano (BIC) de Schwartz e investigar los modelos con los valores BIC más bajos
Sin saber cuánto más necesitas saber, no puedo avanzar mucho más, pero si tienes más preguntas, no dudes en preguntar y quizás yo, o alguien más, pueda ayudarte.
* Editar : Todas las formas de encontrar p, d, q que he enumerado aquí se pueden encontrar en el paquete R TSA si estás familiarizado con R.
Jazz
Puntos
1533
order(p,d,q) significa que tiene un modelo ARIMA(p, d, q): $\phi(B)(1-B)^d X_t=\theta(B)Z_t$ , donde $B$ es un operador de retraso y $\phi(B)=1-\phi_1B-\dots-\phi_pB^p$ también $\theta(B)=1+\theta_1B+\dots+\theta_qB^q$ .
La mejor manera de encontrar p, d, q en R es utilizar auto.arima función de library(forecast) . Por ejemplo, auto.arima(x, ic = "aic") . Para más información, consulte ?auto.arima .
Peter
Puntos
11
En pocas palabras, la media móvil integrada autorregresiva (ARIMA) trata de modelar una serie temporal en la que la serie temporal en cuestión, y, puede explicarse por sus propios valores retardados (parte autorregresiva) y los términos de error (parte de media móvil). La parte "integrada" del modelo (la "I" de "ARIMA") se refiere al número de veces que se ha diferenciado la serie para conseguir la estacionariedad.
La estacionariedad es imprescindible para poder modelar los datos: lo que se entiende por estacionariedad es una media y una varianza constantes. Piense que estos dos momentos no dependen del tiempo. La razón de esto es bastante simple, es difícil modelar algo que cambia con el tiempo.
Así que su modelo ARMA o de orden (1,12) es un modelo AR(1)+MA(12): está modelado por 1 valor rezagado y 12 términos de error. No puedo hablar de tus datos, pero creo que parecen muchos parámetros (posiblemente sobreajustados).
Espero que esto ayude.
