ARIMA의 값 p, d, q는 무엇입니까?


27

arimaR 의 함수에서 무엇을 order(1, 0, 12)의미합니까? 에 할당 할 수있는 값은 무엇입니까 p, d, q, 어떤 프로세스가 그 가치를 찾을 수있다는?


2
?arima콘솔에 입력 하면 기능의 도움말 페이지가 표시됩니다. 옵션에 WRT는 order, 그것은 말한다 : "는 ARIMA 모형의 비 계절 부분의 사양 : 세 가지 구성 요소 (P, D, Q)는 AR 순서, 차이점의 정도 및 MA 순서입니다." 또한 예제를 확인하면 언제든지 자신을 놀 수 있습니다. R. Shumway / Stoffer 에는 시계열 분석을 소개하는 좋은 책들도 있습니다 .
Christoph_J

4
p.d , q에 대한 아주 좋은 설명과 각각의 값을 알아내는 방법을 제공하는 people.duke.edu/~rnau/411arim.htm . Hyndman R에 대한 예측 패키지를 만든 사람 중 하나는 무료로 책을 가지고 누가 그 커버 주제 otexts.com/fpp/8
DanTheMan

답변:


34
  1. ARIMA (1, 0, 12)는 무슨 뜻인가요?

    특히 모형의 경우 ARIMA (1, 0, 12)는 1 차 자동 회귀 모형과 12 차 이동 평균 모형을 결합하여 일부 반응 변수 (Y)를 설명하고 있음을 의미합니다. 그것에 대해 생각하는 좋은 방법은 (AR, I, MA)입니다. 이렇게하면 간단한 용어로 모델이 다음과 같이 보입니다.

    Y = (자동 회귀 매개 변수) + (이동 평균 매개 변수)

    1과 12 사이의 0은 모델의 'I'부분 (적분 부분)을 나타내며 응답 변수 데이터의 차이를 취하는 모델을 나타냅니다. 이는 비 정적 데이터로 수행 할 수 있습니다 그것을 다루는 것처럼 보이지 않으므로 무시해도됩니다.

    DanTheMan이 게시 한 링크는 모델을 비교하여 모델을 이해하는 데 도움이되는 멋진 모델 조합을 보여줍니다.

  2. p, d, q에 어떤 값을 할당 할 수 있습니까?

    다른 정수가 많이 있습니다. 최상의 p, d, q 값을 찾기 위해 수행 할 수있는 진단 테스트가 있습니다 (3 부 참조).

  3. p, d, q의 값을 찾는 프로세스는 무엇입니까?

    여러 가지 방법이 있으며, 이것이 철저한 것은 아닙니다.

    • 데이터의 자기 상관 그래프를보십시오 (MA) 모델이 적절한 경우 도움이됩니다)
    • 데이터의 부분 자기 상관 그래프를보십시오 (AR (AutoRegressive) 모델이 적절한 경우 도움이 됨)
    • 데이터의 확장 된 자기 상관 차트를 살펴보십시오 (AR과 MA의 조합이 필요한 경우 도움이 됨)
    • 일련의 모델에서 Akaike의 정보 기준 (AIC)을 시도하고 AIC 값이 가장 낮은 모델을 조사하십시오.
    • Schwartz Bayesian Information Criterion (BIC)을 시도하고 BIC 값이 가장 낮은 모델을 조사하십시오.

    더 많이 알아야 할 필요가 없으면 더 멀리 갈 수는 없지만 더 궁금한 점이 있으면 언제든지 문의하십시오. 나 또는 다른 사람이 도울 수 있습니다.

* 편집 : 여기에 나열된 p, d, q를 찾는 모든 방법은 R에 익숙한 경우 R 패키지 TSA에서 찾을 수 있습니다.


파이썬의 경우 올바른 p, d, q 값을 찾는 방법을 제안 할 수 있습니까?
debaonline4u

6

order(p,d,q)즉, ARIMA (p, d, q) 모델이 있음을 의미합니다. . 여기서 는 지연 연산자이고 도 입니다. B ϕ ( B ) = 1 ϕ 1 B ϕ p B p θ ( B ) = 1 + θ 1 B + + θ q B qϕ(B)(1B)dXt=θ(B)ZtBϕ(B)=1ϕ1BϕpBpθ(B)=1+θ1B++θqBq

p, d, qR에서 값 을 찾는 가장 좋은 방법 은 auto.arimafrom 함수 를 사용 하는 것 library(forecast)입니다. 예를 들면 다음과 같습니다 auto.arima(x, ic = "aic"). 자세한 내용은 조회하십시오 ?auto.arima.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.