Các arimax
chức năng trong TSA
gói là kiến thức của tôi chỉ R
gói mà sẽ phù hợp với một chức năng chuyển giao cho các mô hình can thiệp. Nó thiếu một chức năng dự đoán mặc dù đôi khi cần thiết.
Đây có phải là một cách giải quyết vấn đề này, tận dụng forecast
gói tuyệt vời ? Các khoảng dự đoán sẽ là chính xác? Trong ví dụ của tôi, các lỗi std là "đóng" cho các thành phần.
- Sử dụng chức năng arima gói dự báo để xác định chuỗi nhiễu trước can thiệp và thêm bất kỳ điều chỉnh ngoại lệ nào.
- Lắp cùng mô hình vào
arimax
nhưng thêm chức năng chuyển - Lấy các giá trị được trang bị cho hàm truyền (hệ số từ
arimax
) và thêm chúng dưới dạng xreg inarima
. - Dự báo với
arima
library(TSA) library(forecast) data(airmiles) air.m1<-arimax(log(airmiles),order=c(0,0,1), xtransf=data.frame(I911=1*(seq(airmiles)==69)), transfer=list(c(1,0)) )
không khí.m1
Đầu ra:
Coefficients:
ma1 intercept I911-AR1 I911-MA0
0.5197 17.5172 0.5521 -0.4937
s.e. 0.0798 0.0165 0.2273 0.1103
sigma^2 estimated as 0.01223: log likelihood=88.33
AIC=-168.65 AICc=-168.09 BIC=-155.02
Đây là bộ lọc, kéo dài thêm 5 tiết mà dữ liệu
tf<-filter(1*(seq(1:(length(airmiles)+5))==69),filter=0.5521330,method='recursive',side=1)*(-0.4936508)
forecast.arima<-Arima(log(airmiles),order=c(0,0,1),xreg=tf[1:(length(tf)-5)])
forecast.arima
Đầu ra:
Coefficients:
ma1 intercept tf[1:(length(tf) - 5)]
0.5197 17.5173 1.0000
s.e. 0.0792 0.0159 0.2183
sigma^2 estimated as 0.01223: log likelihood=88.33
AIC=-168.65 AICc=-168.28 BIC=-157.74
Sau đó để dự đoán
predict(forecast.arima,n.ahead = 5, newxreg=tf[114:length(tf)])
tf <- filter(...)
... Tôi bị lạc. Bạn có bất cứ lời khuyên để hiểu nó? Điều gì sẽ xảy ra nếu tôi có: I911-AR1: 0.55
, I911-AR2: 0.66
, I911-MA0: 0.49
, I911-MA1: 0.39
?