질문에 답하려면 기본적으로 모형 에서 잔차 즉, 가 어떻게 계산 되는지 알아야합니다 . 따라서 입니다. 먼저 가짜 데이터 ( )를 생성 하고 모델없이 (평균없이) 적합 합시다 :etarma
Xt^=Xt−etXtarima(.5,.6)
arma
library(forecast)
n=1000
ts_AR <- arima.sim(n = n, list(ar = 0.5,ma=0.6))
f=arima(ts_AR,order=c(1,0,1),include.mean=FALSE)
summary(f)
Series: ts_AR
ARIMA(1,0,1) with zero mean
Coefficients:
ar1 ma1
0.4879 0.5595
s.e. 0.0335 0.0317
sigma^2 estimated as 1.014: log likelihood=-1426.7
AIC=2859.4 AICc=2859.42 BIC=2874.12
Training set error measures:
ME RMSE MAE MPE MAPE MASE
Training set 0.02102758 1.00722 0.8057205 40.05802 160.1078 0.6313145
이제 다음과 같이 잔차를 만듭니다. (1에 잔차가 없기 때문에) 그리고 우리는 다음을 가지고 있습니다 : (여기서 및 는 위의 적합 모형에서 추정 된 자동 회귀 및 이동 평균 부품입니다. 코드는 다음과 같습니다.e1=0t=2,...,net=Xt−Ar∗Xt−1−Ma∗et−1ArMa
e = rep(1,n)
e[1] = 0 ##since there is no residual at 1, e1 = 0
for (t in (2 : n)){
e[t] = ts_AR[t]-coef(f)[1]*ts_AR[t-1]-coef(f)[2]*e[t-1]
}
잔차 는 입니다. 그래서 다음에서는 R에서 얻은 처음 10 개의 적합 값과 위에서 만든 에서 계산할 수있는 값 (즉 수동)을 비교했습니다.etXt^=Xt−etet
cbind(fitted.from.package=fitted(f)[1:10],fitted.calculated.manually=ts_AR[1:10]-e[1:10])
fitted.from.package fitted.calculated.manually
[1,] -0.4193068 -1.1653515
[2,] -0.8395447 -0.5685977
[3,] -0.4386956 -0.6051324
[4,] 0.3594109 0.4403898
[5,] 2.9358336 2.9013738
[6,] 1.3489537 1.3682191
[7,] 0.5329436 0.5219576
[8,] 1.0221220 1.0283511
[9,] 0.6083310 0.6048668
[10,] -0.5371484 -0.5352324
보시다시피 가깝지만 정확히 동일하지는 않습니다. 잔차를 만들 때 설정했기 때문입니다 . 그래도 다른 선택이 있습니다. 예를 들어, 도움말 파일을 기반으로 칼만 필터에서 찾은 잔차와 그 분산으로 계산은 약간 다릅니다. 그러나 시간이 지남에 따라 그들은 수렴하고 있습니다.
이제 Ar (1) 모델입니다. 모델을 평균화하지 않고 계수를 사용하여 피팅 된 값을 계산하는 방법을 직접 보여줍니다. 이번에는 잔차를 계산하지 않았습니다. 첫 번째 10 개의 적합 값을보고하여 첫 번째 값을 제거했습니다 (다시 정의한 값에 따라 다름). 보시다시피 완전히 동일합니다.e1=0arima
et
f=arima(ts_AR,order=c(1,0,0),include.mean=FALSE)
cbind(fitted.from.package=fitted(f)[2:10],fitted.calculated.manually=coef(f)*ts_AR[1:9])
fitted.from.package fitted.calculated.manually
[1,] -0.8356307 -0.8356307
[2,] -0.6320580 -0.6320580
[3,] 0.0696877 0.0696877
[4,] 2.1549019 2.1549019
[5,] 2.0480074 2.0480074
[6,] 0.8814094 0.8814094
[7,] 0.9039184 0.9039184
[8,] 0.8079823 0.8079823
[9,] -0.1347165 -0.1347165
arima
"(...) 칼만 필터가 발견 한 혁신과 그 차이"라고 말합니다. 따라서 함수는 분명히 초기 값으로 칼만 필터를 사용합니다.