কীভাবে এসিএফ এবং পিএসিএফ প্লট ব্যাখ্যা করবেন


10

আমি কেবল যাচাই করতে চাই যে আমি এসিএফ এবং পিএসিএফ প্লটগুলি সঠিকভাবে ব্যাখ্যা করছি:

এখানে চিত্র বর্ণনা লিখুন

এখানে চিত্র বর্ণনা লিখুন

ডেটা প্রকৃত ডেটা পয়েন্ট এবং একটি এআর (1) মডেল ব্যবহার করে উত্পন্ন অনুমানের মধ্যে উত্পন্ন ত্রুটির সাথে মিলে যায়।

আমি এখানে উত্তরটি তাকিয়েছি:

এসিএফ এবং পিএসিএফ পরিদর্শনের মাধ্যমে এআরএমএ সহগের অনুমান করুন

পড়ার পরে মনে হচ্ছে ত্রুটিগুলি স্ব-সম্পর্কিত নয় তবে আমি কেবল নিশ্চিত হতে চাই, আমার উদ্বেগগুলি হ'ল:

1.) প্রথম ত্রুটিটি সীমানায় ঠিক আছে (যখন এটি ক্ষেত্রে আমি লগ 1 এ উল্লেখযোগ্য স্বয়ংক্রিয়-সম্পর্ক আছে তা গ্রহণ বা প্রত্যাখ্যান করব)?

২) লাইনগুলি ৯০% আত্মবিশ্বাসের ব্যবধানকে উপস্থাপন করে এবং এখানে ১১ 11 টি ল্যাগ রয়েছে বলে আমি আশা করব (০.০৫ * ১১6 = ৫.৮ যা আমি to অবধি)) টি ল্যাগ সীমানা ছাড়িয়ে যাবে। এসিএফের ক্ষেত্রে এটি তবে প্যাকএফের ক্ষেত্রে প্রায় 10 টি ব্যতিক্রম রয়েছে। আপনি যদি সীমান্তগুলিকে অন্তর্ভুক্ত করেন তবে এটি আরও 14 এর মতো? এটি এখনও কোনও স্ব-সম্পর্কের নির্দেশ করে না?

৩.) আমার কি 95% আত্মবিশ্বাসের ব্যবধানের সমস্ত লঙ্ঘনগুলি নেতিবাচক অবস্থাতেই পড়তে হবে?

উত্তর:


9

আপনার প্রদর্শিত প্লটগুলিতে কোনও আপাত কাঠামো নেই।

ব্যান্ডগুলির বাইরে থাকা negativeণাত্মক আংশিক স্বতঃসংশোধনের পিছনের ক্রমটি একে অপরের একাধিক নয় (তারা ল্যাগ, ২২, ৫,, 62২,, 78, )৪) অর্থাত্, উদাহরণস্বরূপ নিয়মিত সংখ্যার পিছনে এগুলি উত্থিত হয় না 12 , 24, 36, 48, সুতরাং আমি প্লটের উপর ভিত্তি করে কোনও প্যাটার্ন অনুমান করব না।

পরিপূরক হিসাবে আপনি একটি রান টেস্ট প্রয়োগ করতে পারেন , যা স্বাধীনতার জন্য একটি পরীক্ষা যা ইতিবাচক বা নেতিবাচক মানগুলির রান ক্যাপচারে কার্যকর হতে পারে, যা ডেটাতে কিছু প্যাটার্নের পরামর্শ দেয়।

কিছু স্বতঃসংশ্লিষ্টতার তাত্পর্য হিসাবে আমি দেখতে পাচ্ছি যে তারা বড় অর্ডারে উত্থাপিত হয়েছে। আপনার যদি মনে করা উচিত যে যদি এই স্বতঃসংশ্লিষ্টতা কোনও অর্থবোধ করে বা আপনার ডেটা প্রসঙ্গে প্রত্যাশা করা যায়। 56 টি পর্যবেক্ষণ পূর্বে পর্যবেক্ষণ করা মানটি বর্তমান পর্যবেক্ষণকে প্রভাবিত করবে এমনটা আশা করা কি বুদ্ধিমানের? যদি আমাদের ত্রৈমাসিক তথ্য থাকে তবে এটি 8 এবং 12 এর পিছনে উল্লেখযোগ্য পারস্পরিক সম্পর্ক পরীক্ষা করার উপযুক্ত হবে কারণ এগুলি ডেটার পর্যায়ক্রমের বহুগুণ এবং কিছু মৌসুমী প্যাটার্ন প্রতিফলিত করতে পারে যা আমরা ডেটা প্রসঙ্গে ব্যাখ্যা করতে পারি। তবে আমি এতটা উদ্বিগ্ন হব না যে যদি 9,11 লেগ বা ততোধিক উচ্চতর ল্যাগগুলিতে উল্লেখযোগ্য লগগুলি উত্থিত হয় যার জন্য আমার কোনও ব্যাখ্যা নেই যা এটি একটি নিয়মিত প্যাটার্ন হিসাবে ন্যায়সঙ্গত করবে।


2

আরিমা মডেলটিতে ডেটা সম্পর্কে কোনও উল্লেখযোগ্য নিদর্শন বাদ পড়ে যায়নি কিনা তা পরীক্ষা করার জন্য অবশিষ্টাংশের সত্যিকারের পরীক্ষার (প্রকৃত ডেটা পয়েন্ট এবং অনুমানের মধ্যে পার্থক্য) পরীক্ষা করা হয়। যদি সমস্ত তথ্য ক্যাপচার করা হয়, তবে এসিএফ এবং পিএসিএফ প্লটগুলি সাদা শব্দের অনুরূপ হওয়া উচিত।

হোয়াইট শোরগোলের জন্য এসিএফ এবং পিএসিএফ

যদি কোনও ভিজ্যুয়াল পরীক্ষা আত্মবিশ্বাসের সাথে একই অনুমান করতে সহায়তা না করে, তবে আপনি অবশিষ্টাংশগুলিতে একটি বক্স-লজং পরীক্ষা চালানোর চেষ্টা করতে পারেন।

এই দৃশ্যে নাল হাইপোথিসিসটি বক্স-লজং পরীক্ষার জন্য হবে যে অবশিষ্টাংশগুলি সাদা আওয়াজের চেয়ে আলাদা নয়।

নিম্নলিখিতটি r তে পরীক্ষা চালানোর কোডটি:

Box.test(residuals, lag = 28, fitdf = 5, type = "Ljung")

ল্যাগ মানটি ল্যাগ অটোকোরিলেশন সহগের সংখ্যার উপর ভিত্তি করে সেট করা হয় এবং ফিটডএফটি বিয়োগ করা স্বাধীনতার ডিগ্রির সংখ্যা। একটি এআরআইএমএ (পি, ডি, কিউ) (পি, ডি, কিউ) মি এর জন্য আমি সাধারণত ফিটডএফ = (পি + কিউ + পি + কিউ) সেট করি

যদি বাক্স-লাজং পরীক্ষায় একটি বৃহত পি-মান ফিরে আসে তবে এটি প্রস্তাব দেয় যে অবশিষ্টাংশগুলির কোনও অবশিষ্ট স্ব-সংশ্লেষণ নেই, অর্থাত্ তারা সাদা শব্দের সাথে সাদৃশ্যপূর্ণ।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.