我想向自己解释将ARIMA模型应用于时间序列数据集的预测结果。数据来自M1比赛,系列为MNB65。我试图将数据拟合到ARIMA(1,0,0)模型并获得预测。我使用R.下面是一些输出片段:解释来自ARIMA模型的预测
> arima(x, order = c(1,0,0))
Series: x
ARIMA(1,0,0) with non-zero mean
Call: arima(x = x, order = c(1, 0, 0))
Coefficients:
ar1 intercept
0.9421 12260.298
s.e. 0.0474 202.717
> predict(arima(x, order = c(1,0,0)), n.ahead=12)
$pred
Time Series:
Start = 53
End = 64
Frequency = 1
[1] 11757.39 11786.50 11813.92 11839.75 11864.09 11887.02 11908.62 11928.97 11948.15 11966.21 11983.23 11999.27
我有几个问题:
(1)如何解释,虽然该数据集显示了一个明显的下降趋势,从这个模型的预测趋势向上。对于使用auto.arima(预测包)和ARIMA(1,0,1)模型的ARIMA(2,0,0),这也是最适合数据的ARIMA。 (2)ARIMA(1,0,0)模型的截距值为12260.298。截距不应满足方程:C =平均值*(1 - 总和(AR系数)),在这种情况下,该值应为715.52。我必须在这里错过一些基本的东西。
(3)这显然是一个非平稳的意思。为什么AR(2)模型仍然被auto.arima选为最佳模型?可以有一个直观的解释吗?
谢谢。
我已经投票结束这个,因为它不是一个编程问题。 – 2010-04-21 16:44:16