Làm cách nào để kết hợp một ngoại lệ đổi mới khi quan sát 48 trong mô hình ARIMA của tôi?


10

Tôi đang làm việc trên một tập dữ liệu. Sau khi sử dụng một số kỹ thuật nhận dạng mô hình, tôi đã đưa ra mô hình ARIMA (0,2,1).

Tôi đã sử dụng detectIOhàm trong gói TSAtrong R để phát hiện một ngoại lệ đổi mới (IO) ở lần quan sát thứ 48 của tập dữ liệu gốc của tôi.

Làm cách nào để kết hợp ngoại lệ này vào mô hình của tôi để tôi có thể sử dụng nó cho mục đích dự báo? Tôi không muốn sử dụng mô hình ARIMAX vì tôi không thể đưa ra bất kỳ dự đoán nào từ đó trong R. Có cách nào khác để tôi có thể làm điều này không?

Dưới đây là các giá trị của tôi theo thứ tự:

VALUE <- scan()
  4.6  4.5  4.4  4.5  4.4  4.6  4.7  4.6  4.7  4.7  4.7  5.0  5.0  4.9  5.1  5.0  5.4
  5.6  5.8  6.1  6.1  6.5  6.8  7.3  7.8  8.3  8.7  9.0  9.4  9.5  9.5  9.6  9.8 10.0
  9.9  9.9  9.8  9.8  9.9  9.9  9.6  9.4  9.5  9.5  9.5  9.5  9.8  9.3  9.1  9.0  8.9
  9.0  9.0  9.1  9.0  9.0  9.0  8.9  8.6  8.5  8.3  8.3  8.2  8.1  8.2  8.2  8.2  8.1
  7.8  7.9  7.8  7.8

Đó thực sự là dữ liệu của tôi. Họ là tỷ lệ thất nghiệp trong khoảng thời gian 6 năm. Có 72 quan sát rồi. Mỗi giá trị tối đa là một chữ số thập phân


6
t=48

2
@Gen_b Bạn đã đúng, điều này sẽ làm phiền bạn vì điều này có thể vượt quá mức khác biệt mang lại một MA hủy bỏ (1). Kết quả xác định sai từ việc sử dụng các công cụ không phù hợp.
IrishStat

2
Trong sự khác biệt thứ hai, bạn có những gì trông giống như một ngoại lệ, nhưng rõ ràng nó gây ra bởi một bước nhảy phụ gia nhỏ ở quan sát 47 trong loạt ban đầu, khi hai lần khác biệt trông giống như một âm bản lớn hơn một giai đoạn sau đó. Nếu bạn làm một cái gì đó đơn giản để loại bỏ hiệu ứng nhỏ đó khi quan sát 47 (hầu hết mọi thứ hợp lý), sẽ không có ngoại lệ nào xuất hiện trong sự khác biệt thứ hai. Tôi muốn nói có lẽ tốt hơn khi xem AO ở quy mô ban đầu.
Glen_b -Reinstate Monica

2
Có rất nhiều điều xảy ra trong bộ dữ liệu này, nhưng hành vi tạm thời cục bộ (tương quan, thời vụ, v.v.) là ít nhất trong số đó. Khi bạn mù quáng phân tích dữ liệu như thế này chỉ là một chuỗi các con số, bạn có nguy cơ tạo ra kết quả vô lý (hoặc tệ hơn). Bạn có thể cho chúng tôi biết ý nghĩa của những dữ liệu này ? Có lẽ họ đo lường một cái gì đó tại một trạm giám sát? Một chuỗi thời gian kinh tế? Biểu đồ tăng trưởng sinh học? Hiểu một cái gì đó về hiện tượng cơ bản thường sẽ làm nhiều hơn để giúp xác định một mô hình hơn bất kỳ số lượng nào với phần mềm thống kê có thể.
whuber

2
@whuber: họ là tỷ lệ thất nghiệp trong khoảng thời gian 6 năm!
b2amen

Câu trả lời:


3

Y(t)=[θ/ϕ][A(t)+IO(t)]Y*(t)=[θ/ϕ][A(t)]+[θ/ϕ][IO(t)]

θ=1ϕ=[1.5B]
Y*(t)=[1/(1.5B)][A(t)]
+IO(t).5IO(t1)+.25IO(t2).125IO(t3).


Y(t)=[1/(1.5B)][A(t)] +10IO(t)5IO(t1)+2.5IO(t2)1.25IO(t3).
IO

Bằng cách này, bạn có thể thấy rằng tác động của sự bất thường không chỉ là tức thời mà còn có bộ nhớ.

t

[w(b)/d(b)][w(b)]

Bất cứ khi nào bạn kết hợp bộ nhớ, có thể là kết quả của một toán tử khác biệt hoặc cấu trúc ARMA, đó là một sự thừa nhận ngầm của sự thiếu hiểu biết do loạt nguyên nhân bị bỏ qua. Điều này cũng đúng với sự cần thiết phải kết hợp chuỗi xác định Can thiệp như Xung / Chuyển cấp, Xung theo mùa hoặc Xu hướng thời gian địa phương. Các biến giả này là một proxy cần thiết cho các biến nhân quả do người dùng xác định bỏ qua. Thông thường tất cả những gì bạn có là một loạt các mối quan tâm và đưa ra các vòng loại mà tôi đã đánh vần, bạn có thể dự đoán tương lai dựa trên quá khứ trong sự thiếu hiểu biết chính xác về bản chất của dữ liệu được phân tích. Vấn đề duy nhất là bạn đang sử dụng cửa sổ phía sau để dự đoán con đường phía trước .... thực sự là một điều nguy hiểm.

sau khi dữ liệu được đăng ...

Một mô hình hợp lý là (1,1,0) nhập mô tả hình ảnh ở đâyvà các dị thường AO đã được xác định ở các giai đoạn 39,41,47,21 và 69 (không phải giai đoạn 48). Phần dư từ mô hình này dường như không có cấu trúc rõ ràng. nhập mô tả hình ảnh ở đâynhập mô tả hình ảnh ở đâyAO fice coi trọng một đại diện tối ưu của hoạt động được phản ánh bởi hoạt động không có trong lịch sử của chuỗi thời gian. Tôi nghĩ rằng ACF của mô hình quá khác biệt của OP sẽ phản ánh sự không phù hợp của mô hình. Đây là mô hình. nhập mô tả hình ảnh ở đây Một lần nữa, không có mã R nào được phân phối vì vấn đề hoặc cơ hội nằm trong lĩnh vực nhận dạng / sửa đổi / xác nhận mô hình. Cuối cùng là một âm mưu của loạt thực tế / được trang bị và dự báo.! [Nhập mô tả hình ảnh ở đây] [6]


1
Cảm ơn vì đã trả lời; nhưng tôi thực sự muốn một mã R thay cho mô hình của tôi.
b2amen

1
@ b2amen Có, tôi nhấn mạnh NHƯNG Glen_b muốn một số "công cụ" và tôi nghĩ rằng tôi sẽ trả lời anh ta.
IrishStat

Cảm ơn đã chỉnh sửa. Bạn và tôi sẽ làm đối tác tốt!
IrishStat

@ IrishStat: dữ liệu của tôi được bao gồm trong câu hỏi ban đầu. Hy vọng rằng có thể giúp bạn trong việc hỗ trợ tôi. Dù sao cũng cảm ơn
b2amen

@IrishStat: Tôi thích đầu ra của bạn. Nó trông khá gọn gàng với tôi. Và bạn đã sử dụng phần mềm nào? Nhưng bạn có thể giải thích làm thế nào bạn xác định một AR (2,1,0)? Cảm ơn
b2amen
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.