Vous souhaitez trouver le meilleur modèle ARIMA ou ARFIMA pour vos données ? Comparez les modèles potentiels à l’aide de l’AIC, du BIC et du HQIC. Utilisez les nouvelles commandes arimasoc et arfimasoc pour sélectionner le meilleur nombre de termes autorégressifs et de moyenne mobile.
Les chercheurs qui utilisent des modèles autorégressifs à moyenne mobile (ARMA) doivent décider du nombre approprié de retards à inclure pour les paramètres autorégressifs et à moyenne mobile dans leurs modèles. Les critères d’information, qui mettent en balance l’adéquation du modèle et sa parcimonie, guident souvent le choix du nombre maximal de retards.
arimasoc et arfimasoc aident à la sélection des modèles en ajustant une collection de modèles de moyenne mobile intégrée autorégressive (ARIMA) ou de moyenne mobile intégrée fractionnairement (ARFIMA) et en calculant les critères d’information pour chaque modèle. arimasoc et arfimasoc calculent le critère d’information d’Akaike (AIC), le critère d’information bayésien (BIC) et le critère d’information de Hannan-Quinn (HQIC). Le modèle sélectionné est celui dont la valeur du critère d’information est la plus faible.
Voyons comment cela fonctionne
Nous aimerions ajuster un modèle ARMA pour l’écart de production. Nous utilisons arimasoc pour ajuster des modèles candidats avec un décalage autorégressif maximum de 4 et un décalage de moyenne mobile maximum de 3.
Le tableau de sortie fournit des informations sur chaque modèle, notamment la vraisemblance logarithmique maximisée, le nombre de paramètres estimés, l’AIC, le BIC et le HQIC.
Sous le tableau de sortie, le modèle sélectionné pour chaque critère est répertorié. La log-vraisemblance est maximisée pour le modèle comportant le plus grand nombre de paramètres, le modèle ARMA(4,3). L’AIC, le BIC et le HQIC sélectionnent tous le modèle ARMA(3,0), plus parcimonieux, pour l’écart de production. Nous pouvons maintenant ajuster le modèle que nous avons sélectionné
. arima ogap, arima(3,0,0) (output omitted)
et d’étudier les prévisions du modèle, les prévisions, etc.
Ajuster un modèle ARFIMA au lieu d’un modèle ARIMA ? Au lieu de taper
. arimasoc y, maxvar(4) maxma(3)
you type
. arfimasoc y, maxvar(4) maxma(3)