r - R:ARIMA 模型和残差之间的自相关
问题描述
在文章中:使用 Google 趋势评估全球 COPD 意识 https://www.researchgate.net/publication/333155916_Assessing_global_COPD_awareness_with_Google_Trends
我发现了以下统计分析的描述:
对于统计分析,我们将数据细分为月份(季节性成分)和一年中的季度,定义如下:第一季度(Q1)= 1 月 - 3 月,第 2 季度(Q2)= 4 月 - 6 月,第 3 季度(Q3) = 7 月 - 9 月,第 4 季度 (Q4) = 10 月 - 12 月。相关分析是使用 Loess 的时间序列季节性分解(局部多项式回归拟合)进行的,它允许将时间序列分解为季节性部分、趋势和不规则部分。建立了考虑残差之间自相关的广义最小二乘模型,以在调整季节性成分后进一步评估趋势是否随时间显着。残差的相关结构是通过使用 AIC 准则自动选择 ARIMA 模型参数推导出来的.
数据表示为系数 (beta)、标准误差和 p 值。
我完全不明白加粗的片段。我准备了一些代码来从时间序列数据中准备 ARIMA 模型。但是,我不知道自相关计算过程。
让我们看一些代码:
library(forecast)
data(AirPassengers)
model_arima<- auto.arima(y=AirPassengers,seasonal=TRUE,stepwise=TRUE)
model_arima
Series: AirPassengers
ARIMA(2,1,1)(0,1,0)[12]
Coefficients:
ar1 ar2 ma1
0.5960 0.2143 -0.9819
s.e. 0.0888 0.0880 0.0292
sigma^2 estimated as 132.3: log likelihood=-504.92
AIC=1017.85 AICc=1018.17 BIC=1029.35
...以及如何看待下一步以获得上述文章中的自相关结果?
解决方案
推荐阅读
- javascript - 自动调整动态创建的文本区域的高度
- php - 如何通过 PHP API 管理我自己的 Google 日历中的事件
- c - 如何在 C 中编写通用#define 宏并减少代码编写
- c# - 具有资源文件的动态本地化 WPF 应用程序
- amazon-web-services - 禁止(服务:Amazon S3;状态代码:403;错误代码:403 禁止(Hadoop + S3)
- javascript - Firebase 身份验证:编辑 UID
- itext - 签名字段名称限制
- javascript - jQuery,隐藏和显示内容
- java - 如何解决无法合并dex
- javascript - 问题加载事件 Fullcalendar.io