Möchten Sie das beste ARIMA- oder ARFIMA-Modell für Ihre Daten finden? Vergleichen Sie mögliche Modelle mit AIC, BIC und HQIC. Verwenden Sie die neuen Befehle arimasoc und arfimasoc, um die beste Anzahl von autoregressiven und gleitenden Mittelwerttermen auszuwählen.
Forscher, die autoregressive Modelle mit gleitendem Mittelwert (ARMA) verwenden, müssen entscheiden, wie viele Verzögerungen sie für die autoregressiven und gleitenden Mittelwertparameter in ihre Modelle aufnehmen wollen. Informationskriterien, die die Modellanpassung gegen die Modellparsimonie abwägen, sind häufig die Richtschnur für die Wahl der maximalen Anzahl von Verzögerungen.
arimasoc und arfimasoc helfen bei der Modellauswahl, indem sie eine Sammlung von Modellen des autoregressiven integrierten gleitenden Durchschnitts (ARIMA) oder des autoregressiven fraktional integrierten gleitenden Durchschnitts (ARFIMA) anpassen und Informationskriterien für jedes Modell berechnen. arimasoc und arfimasoc berechnen das Akaike-Informationskriterium (AIC), das Bayessche Informationskriterium (BIC) und das Hannan-Quinn-Informationskriterium (HQIC). Das ausgewählte Modell ist dasjenige mit dem niedrigsten Wert des Informationskriteriums.
Wir wollen sehen, wie es funktioniert
Wir möchten ein ARMA-Modell für die Produktionslücke anpassen. Wir verwenden arimasoc, um Kandidatenmodelle mit einer maximalen autoregressiven Verzögerung von 4 und einer maximalen Verzögerung des gleitenden Durchschnitts von 3 zu berechnen.
Die Ausgabetabelle enthält Informationen zu jedem Modell, einschließlich der maximierten logarithmischen Wahrscheinlichkeit, der Anzahl der geschätzten Parameter sowie des AIC, BIC und HQIC.
Unterhalb der Ausgabetabelle ist das für jedes Kriterium ausgewählte Modell aufgeführt. Die Log-Likelihood wird für das Modell mit den meisten Parametern maximiert, das ARMA(4,3). AIC, BIC und HQIC wählen alle das einfachere ARMA(3,0)-Modell für die Produktionslücke aus. Wir können nun unser ausgewähltes Modell anpassen
. arima ogap, arima(3,0,0) (output omitted)
und fahren Sie fort mit der Untersuchung von Modellvorhersagen, Prognosen usw.
Anpassen eines ARFIMA-Modells anstelle eines ARIMA-Modells? Anstelle der Eingabe von
. arimasoc y, maxvar(4) maxma(3)
Sie tippen
. arfimasoc y, maxvar(4) maxma(3)