Ainda não é o que tu quer, mas talvez te ajude. Eu tentei fazer o ARIMA(0,0,0)(0,0,1) da mesma maneira que o MA(1) mas não consegui
## AR(1) (fit <- arima(USAccDeaths, order = c(1,0,0))) predict(fit,1)$pred sum(fit$coef[1] * (USAccDeaths[72] - fit$coef[2])) + fit$coef[2] ## AR(2) (fit <- arima(USAccDeaths, order = c(2,0,0))) predict(fit,1)$pred sum(fit$coef[1:2] * (USAccDeaths[72:71] - fit$coef[3])) + fit$coef[3] ## MA(1) (fit <- arima(USAccDeaths, order = c(0,0,1))) predict(fit)$pred fit$coef[1] * fit$res[72] + fit$coef[2] ## MA(2) (fit <- arima(USAccDeaths, order = c(0,0,2))) predict(fit)$pred sum(fit$coef[1:2] * (fit$res[72:71])) + fit$coef[3] ## ARIMA(1,1,0) (fit <- arima(USAccDeaths, order = c(1,1,0))) predict(fit,1)$pred diff(USAccDeaths)[71]*fit$coef+USAccDeaths[72] ## ARIMA(0,1,1) (fit <- arima(USAccDeaths, order = c(0,1,1))) predict(fit)$pred fit$coef[1] * fit$res[72] + USAccDeaths[72] ## ARIMA(0,0,0)(1,0,0) (fit <- arima(USAccDeaths, order = c(0,0,0), seasonal = c(1,0,0))) predict(fit,1)$pred fit$coef[1] * (USAccDeaths[61] - fit$coef[2]) + fit$coef[2] 2011/7/27 Paola Tame <[email protected]> > 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. >
_______________________________________________ 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.
