Dado que no podemos ajustar el modelo ARIMA cuando se viola el supuesto de varianza constante, ¿qué modelo se puede usar para ajustar series de tiempo
La arimaxfunción en el TSApaquete es, que yo sepa, el único Rpaquete que se ajustará a una función de transferencia para los modelos de intervención. Sin embargo, carece de una función de predicción que a veces es necesaria. ¿Es lo siguiente una solución alternativa para este problema,...
Tengo datos mensuales de 1993 a 2015 y me gustaría hacer pronósticos sobre estos datos. Utilicé el paquete tsoutliers para detectar los valores atípicos, pero no sé cómo continúo pronosticando con mi conjunto de datos. Este es mi
A medida que avanzo en el pronóstico con los modelos ARIMA, estoy tratando de entender cómo puedo mejorar un pronóstico basado en el ajuste ARIMA con la estacionalidad y la deriva. Mis datos son las siguientes series temporales (más de 3 años, con una clara tendencia al alza y una estacionalidad...
Estoy trabajando extensamente con modelos de series de tiempo financieras, principalmente AR (I) MA y Kalman. Un problema que sigo enfrentando es la frecuencia de muestreo. Inicialmente, pensaba que si se me ofrecía la posibilidad de tomar muestras con mayor frecuencia de un proceso subyacente,...
Actualmente estoy usando R para predecir una serie temporal con estas instrucciones: 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) Como puede ver, tengo datos cada hora, y elegí el período...
He estado usando las funciones ets () y auto.arima () del paquete de pronóstico para pronosticar una gran cantidad de series de tiempo univariadas. He estado usando la siguiente función para elegir entre los 2 métodos, pero me preguntaba si CrossValidated tenía ideas mejores (o menos ingenuas) para...
Entiendo el modelo AR (p): su entrada es la serie temporal que se está modelando. Estoy completamente atascado cuando leo sobre el modelo MA (q): su aportación es innovación o choque aleatorio, ya que a menudo se formula. El problema es que no puedo imaginar cómo obtener un componente de...
Si tengo un objeto arima como 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...
He usado auto.arima para ajustar un modelo de serie temporal (una regresión lineal con errores ARIMA, como se describe en el sitio de Rob Hyndman ). Cuando termine, el resultado informa que el mejor modelo tiene un (5,1,0) con estructura de deriva. e informa los valores de los criterios de...
Digamos que tengo una serie temporal, G t , y una covariable B t . Quiero encontrar la relación entre ellos por el modelo ARMA: G t = Z t + β 0 + β 1 B t donde el Z t residual sigue algún proceso ARMA. El problema es: sé con certeza que β 0 y β 1 varían según la época del año. Sin embargo, no...
Estoy usando el método arima del paquete de estadísticas de R con mi serie temporal de 17376 elementos. Mi objetivo es obtener el valor del criterio AIC, he observado en mi primera prueba esto: ts <- arima(serie[,1], order = c(2,1,1), seasonal = list(order=c(2,0,1),period = 24), method =...
Realmente tengo problemas para descubrir cómo comparar ARIMA y los modelos de regresión. Entiendo cómo evaluar los modelos ARIMA entre sí y los diferentes tipos de modelos de regresión (es decir: regresión vs regresión dinámica con errores AR) entre sí, sin embargo, no puedo ver muchos puntos en...
Mi proyecto actual puede requerir que construya un modelo para predecir el comportamiento de un determinado grupo de personas. el conjunto de datos de entrenamiento contiene solo 6 variables (la identificación es solo para fines de identificación): id, age, income, gender, job category, monthly...
Me gustaría pronosticar las series de tiempo no estacionarias, que involucran varios supuestos cruciales a priori que se derivan del estudio de instancias de tales series. He construido una función de distribución de probabilidad de un punto promediada en el tiempo aproximada por la distribución...
Estoy tratando de escribir una tesis de pregrado en la que pruebo el poder predictivo de un modelo econométrico dado en una serie de tiempo financiera determinada. Necesito algunos consejos sobre cómo debo hacer esto. Para poner las cosas en contexto, en su mayoría tengo una econometría auto...
Tengo dos grupos de 10 participantes que fueron evaluados tres veces durante un experimento. Para probar las diferencias entre los grupos y entre las tres evaluaciones, ejecuté un ANOVA de diseño mixto 2x3 con group(control, experimental), time(primero, segundo, tres) y group x time. Ambos timey...
Tengo dos series de tiempo (parámetros de un modelo para hombres y mujeres) y mi objetivo es identificar un modelo ARIMA apropiado para hacer pronósticos. Mi serie de tiempo se ve así: El gráfico y el ACF muestran no estacionario (los picos del ACF se cortan muy lentamente). Por lo tanto, uso la...
Estoy usando ARMA sobre un conjunto de datos con muestras faltantes. ¿Cómo los trato? ¿Sugeriría hacer una interpolación lineal / no lineal o simplemente mantenerlos fuera y considerar dos muestras con datos faltantes como muestras
Tengo un conjunto de datos meteorológicos diarios, que tiene, como era de esperar, un efecto estacional muy fuerte. Adapté un modelo ARIMA a este conjunto de datos usando la función auto.arima del paquete de pronóstico. Para mi sorpresa, la función no aplica ninguna operación estacional:...