Boa tarde Grupo,
estou com problemas para interpretar as saídas da função arima. Por exemplo,
usando a base de dados de exemplo do R "USAccDeaths". Ajustando o modelo:
fit <- arima(USAccDeaths, order = c(0,1,1), seasonal = list(order=c(0,1,1)))
Tenho a seguinte saída:
Series: USAccDeaths
ARIMA(0,1,1)(0,1,1)[12]
Call: arima(x = USAccDeaths, order = c(0, 1, 1), seasonal = list(order =
c(0, 1, 1)))
Coefficients:
ma1 sma1
-0.4303 -0.5528
s.e. 0.1228 0.1784
sigma^2 estimated as 99347: log likelihood = -425.44
AIC = 856.88 AICc = 857.32 BIC = 863.11
Utilizando a função *"predict"* para calcular os próximos 4 meses tenho o
seguinte resultado:
$pred
Jan Feb Mar Apr
1979 8336.061 7531.829 8314.644 8616.869
Como vou precisar utilizar o modelo fora do R preciso entender como é feita
essa previsão pois utilizando os coeficientes *ma1* e *sma1* estou obtendo
resultados diferentes.
Mesmo ajustando um modelo mais simples como um AR(1) para esses dados
(apenas como exemplo, sem me preocupar com a qualidade do ajuste) os
preditos que calculo não batem com os preditos retornados pela função "*
predict*". Aparentemente a função de predição não é montada diretamente dos
coeficientes estimados (p. ex. no caso de um modelo AR(1) X(t) = intercept +
ar1*X(t-1)).
Alguém poderia me ajudar?
Obrigada,
Paola Tame
_______________________________________________
R-br mailing list
[email protected]
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código
mínimo reproduzível.
