時系列データをpython【#2.5】ARモデル→もう１回だけ
以下の本から時系列データの部分を勉強しましたので、少しここに書こうと思います。※アフェリエイトはしていません。でもこの本はすごくいい本なので、これで知識を増やす、勉強するのはいいことだと思います。（アフェリエイトではなく、自分の一生ものの能力をつけるために約3000円でこの本を買って、月給3000円上げようというモチベーションです。）
前回「ARモデル（Autoregressive model）」を理解できた気になりました。上記の11章が参考になりました。あと、オライリーのScikit-learn、Keras、TensorFlowによる実践機械学習の閉形式解を使っていました。
なんかまだわかってないことがありまして、、、結局ラグってなにで、あの係数はどのように作用するのだろうか、、、
ということで、具体的にラグを使って予測の仕方をChatGPT3.5に教えてもらいました。
わかった気がします。ラグ2のときは、２つ前までのデータを使って、予測値を計算する。では、前回出した係数を↓に貼ります。
13.1(定数項)、-1.1がy.L1、-0.8がy.L2の係数です。
では、はじめに疑問を持った、航空機乗客数のトレンドの予測に戻ります。ARモデルを適用した結果が↓です。
はじめの予測値を手計算してみます。したい計算は↓です。
7、８、９行目あたりが↑の予測値の計算です。予測の値と同じ値になっています。自己相関と遅延項の関係は理解していないですが、いったんこれですっきりしました。
lags=1だと、1つ前のデータを使って予測、lags=2だと、２つ前と１つ前のデータを使って予測、lags=nだとn、n-1、…１つ前のデータを使って予測するということなので、上昇トレンドでも、直近のデータが低かったら、予測が下降することもありそうです。L1などの係数にもよりますが、、、
はぁ、これで次はARMAにいけそう、、、理解するって大変。
この記事が気に入ったらサポートをしてみませんか？