Jakie są wartości p, d, q w ARIMA?

27

Co oznacza arimafunkcja w R order(1, 0, 12)? Jakie są wartości, które mogą być przypisane do p, d, q, i co jest procesem, aby znaleźć te wartości?

r time-series arima

— kalyani
źródło

2

Jeśli wpiszesz ?arimaw konsoli, pojawi się strona pomocy funkcji. W opcji ordernapisano: „Specyfikacja niesezonowej części modelu ARIMA: trzy składniki (p, d, q) to kolejność AR, stopień różnicowania i kolejność MA”. Sprawdź też przykłady i zawsze możesz bawić się wokół siebie. Są też dobre książki, które wprowadzają do analizy szeregów czasowych w R. Shumway / Stoffer to tylko jedna.

— Christoph_J,

4

people.duke.edu/~rnau/411arim.htm, który daje bardzo dobry opis p, d, q i jak obliczyć wartości dla każdego. Hyndman, który był jedną z osób, które stworzyły pakiet prognozy dla R, ma również bezpłatną książkę na ten temat otexts.com/fpp/8

— DanTheMan

34

Co oznacza ARIMA (1, 0, 12)?

ARIMA (1, 0, 12) oznacza, że opisujesz zmienną odpowiedzi (Y), łącząc model automatycznej regresji pierwszego rzędu z modelem średniej ruchomej 12. rzędu. Dobrym sposobem na myślenie o tym jest (AR, I, MA). To sprawia, że Twój model wygląda następująco:

Y = (parametry auto-regresywne) + (parametry średniej ruchomej)

0 pomiędzy 1 a 12 reprezentuje część „I” modelu (część integracyjna) i oznacza model, w którym bierzesz różnicę między danymi zmiennych odpowiedzi - można to zrobić z danymi niestacjonarnymi i nie wygląda na to, że masz do czynienia z tym, więc możesz to po prostu zignorować.

Link opublikowany przez DanTheMan pokazuje niezłą kombinację modeli, które mogą pomóc ci zrozumieć twój, porównując go z tymi.
Jakie wartości można przypisać do p, d, q?

Wiele różnych liczb całkowitych. Istnieją testy diagnostyczne, które możesz wykonać, aby znaleźć najlepsze wartości p, d, q (patrz część 3).
Jaki jest proces znajdowania wartości p, d, q?

Istnieje wiele sposobów i nie mam zamiaru być wyczerpującym:
- spójrz na wykres autokorelacji danych (pomoże, jeśli model średniej ruchomej (MA) jest odpowiedni)
- spójrz na częściowy wykres autokorelacji danych (pomoże, jeśli odpowiedni jest model AutoRegressive (AR))
- spójrz na rozszerzoną tabelę autokorelacji danych (pomoże, jeśli potrzebna jest kombinacja AR i MA)
- wypróbuj Akaike's Information Criterion (AIC) na zestawie modeli i zbadaj modele o najniższych wartościach AIC
- wypróbuj Schwartz Bayesian Information Criterion (BIC) i zbadaj modele o najniższych wartościach BIC
Nie wiedząc, ile więcej musisz wiedzieć, nie mogę pójść za daleko, ale jeśli masz więcej pytań, możesz zadać pytanie, a może ja lub ktoś inny mogę pomóc.

* Edycja : Wszystkie sposoby znalezienia wymienionych tutaj p, d, q można znaleźć w pakiecie R TSA, jeśli znasz R.

— Dan
źródło

dla Pythona, czy możesz zasugerować, jak znaleźć poprawną wartość p, d, q

— debaonline4u

6

order(p,d,q)oznacza, że masz model ARIMA (p, d, q): , gdzie jest operatorem opóźnienia, a także . $\phi(B)(1-B)^d X_t=\theta(B)Z_t$ $B$ $\phi(B)=1-\phi_1B-\dots-\phi_pB^p$ $\theta(B)=1+\theta_1B+\dots+\theta_qB^q$

Najlepszym sposobem na znalezienie p, d, qwartości w R jest użycie auto.arimafunkcji from library(forecast). Na przykład auto.arima(x, ic = "aic"). Aby uzyskać więcej informacji, wyszukaj ?auto.arima.

— Alfa
źródło