Puisque nous ne pouvons pas ajuster le modèle ARIMA lorsque l'hypothèse de variance constante est violée, quel modèle peut être utilisé pour ajuster les séries temporelles
Puisque nous ne pouvons pas ajuster le modèle ARIMA lorsque l'hypothèse de variance constante est violée, quel modèle peut être utilisé pour ajuster les séries temporelles
La arimaxfonction dans le TSApackage est, à ma connaissance, le seul Rpackage qui s'adaptera à une fonction de transfert pour les modèles d'intervention. Il manque cependant une fonction de prédiction qui est parfois nécessaire. La solution suivante est-elle une solution à ce problème, tirant parti...
J'ai des données mensuelles de 1993 à 2015 et j'aimerais faire des prévisions sur ces données. J'ai utilisé le package tsoutliers pour détecter les valeurs aberrantes, mais je ne sais pas comment continuer à prévoir avec mon ensemble de données. Voici mon code:
Je travaille beaucoup avec les modèles de séries temporelles financières, principalement AR (I) MA et Kalman. Un problème auquel je continue de faire face est la fréquence d'échantillonnage. Au départ, je pensais que si on m'offrait la possibilité d'échantillonner plus fréquemment à partir d'un...
Je suis occupé par la modélisation ARIMA augmentée de variables exogènes à des fins de modélisation promotionnelle et j'ai du mal à l'expliquer aux utilisateurs professionnels. Dans certains cas, les progiciels se retrouvent avec une simple fonction de transfert, c'est-à-dire le paramètre *...
J'ai utilisé les fonctions ets () et auto.arima () du package de prévisions pour prévoir un grand nombre de séries chronologiques univariées. J'ai utilisé la fonction suivante pour choisir entre les 2 méthodes, mais je me demandais si CrossValidated avait des idées meilleures (ou moins naïves) pour...
Je comprends le modèle AR (p): son entrée est la série chronologique modélisée. Je suis complètement bloqué en lisant sur le modèle MA (q): son entrée est l' innovation ou le choc aléatoire comme il est souvent formulé. Le problème est que je ne peux pas imaginer comment obtenir un composant d'...
Si j'ai un objet arima comme a: set.seed(100) x1 <- cumsum(runif(100)) x2 <- c(rnorm(25, 20), rep(0, 75)) x3 <- x1 + x2 dummy = c(rep(1, 25), rep(0, 75)) a <- arima(x3, order=c(0, 1, 0), xreg=dummy) print(a) . Series: x3 ARIMA(0,1,0) Call: arima(x = x3, order = c(0, 1, 0), xreg = dummy)...
Disons que j'ai une série chronologique, G t , et une covariable B t . Je veux trouver la relation entre eux par le modèle ARMA: G t = Z t + β 0 + β 1 B t où le Z t résiduel suit un processus ARMA. Le problème est: je sais avec certitude que β 0 et β 1 varient avec la période de l'année. Pourtant,...
J'ai utilisé auto.arima pour ajuster un modèle de série chronologique (une régression linéaire avec des erreurs ARIMA, comme décrit sur le site de Rob Hyndman ). Une fois terminé - le résultat indique que le meilleur modèle a un (5,1,0) avec une structure de dérive - et rapporte les valeurs des...
J'utilise la méthode arima du package de statistiques de R avec ma série temporelle de 17376 éléments. Mon objectif est d'obtenir la valeur du critère AIC, j'ai observé lors de mon premier test ceci: ts <- arima(serie[,1], order = c(2,1,1), seasonal = list(order=c(2,0,1),period = 24), method =...
J'ai vraiment du mal à trouver comment comparer les modèles ARIMA et de régression. Je comprends comment évaluer les modèles ARIMA les uns par rapport aux autres et différents types de modèles de régression (c.-à-d. Régression vs régression dynamique avec erreurs AR) les uns contre les autres, mais...
Mon projet actuel peut m'obliger à construire un modèle pour prédire le comportement d'un certain groupe de personnes. l'ensemble de données de formation ne contient que 6 variables (id est uniquement à des fins d'identification): id, age, income, gender, job category, monthly spend dans laquelle...
J'utilise actuellement R pour prédire une série chronologique avec ces instructions: X <- ts(datas, frequency=24) X.arima <- Arima(X, order=c(2,1,0), seasonal=c(1,1,1)) pred <- predict(X.arima, n.ahead=24) plot.ts(pred$pred) Comme vous pouvez le voir, j'ai des données toutes les heures, et...
Je voudrais prévoir les séries chronologiques non stationnaires, impliquant plusieurs hypothèses a priori cruciales découlant de l'étude des instances de telles séries. J'ai construit une fonction de distribution de probabilité en un point moyennée dans le temps approximée par une distribution...
J'ai un ensemble de données météorologiques quotidiennes, qui a, sans surprise, un effet saisonnier très fort. J'ai adapté un modèle ARIMA à cet ensemble de données en utilisant la fonction auto.arima du package de prévision. À ma grande surprise, la fonction n'applique aucune opération saisonnière...
J'essaie d'écrire une thèse de premier cycle dans laquelle je teste le pouvoir prédictif d'un modèle économétrique donné sur une série temporelle financière donnée. J'ai besoin de conseils sur la façon de procéder. Pour mettre les choses en contexte, j'ai surtout économétriquement autodidacte; le...
J'ai deux groupes de 10 participants qui ont été évalués trois fois au cours d'une expérience. Pour tester les différences entre les groupes et entre les trois évaluations, j'ai exécuté une ANOVA de conception mixte 2x3 avec group(contrôle, expérimental), time(premier, deuxième, trois) et group x...
J'utilise ARMA sur un ensemble de données avec des échantillons manquants. Comment les traiter? Souhaitez-vous suggérer de faire une interpolation linéaire / non linéaire ou simplement de les garder à l'écart et de considérer deux échantillons avec des données manquantes entre les deux comme...
J'ai deux séries chronologiques (paramètres d'un modèle pour hommes et femmes) et vise à identifier un modèle ARIMA approprié afin de faire des prévisions. Ma série chronologique ressemble à: L'intrigue et l'ACF montrent non stationnaire (les pointes de l'ACF se coupent très lentement). Ainsi,...