Calcula el criterio de información (AIC) del modelo estimado ARMA (con corrección a un pequeno tamaño de la muestra).
Sintaxis
ARMA_AIC(X, Order, mean, sigma, phi, theta)
- X
- es la serie de datos de tiempo univariante (un array dimensional de celdas (Ej. filas o columnas)).
- Order
- es el orden de tiempo en la serie de datos.(Ej. el primer punto corresponde a las fecha (la más temprana fecha=1 (por defecto), la más tarde fecha=0)).
Orden Descripción 1 ascendente (el primer punto corresponde a la fecha menor) (por defecto) 0 descendiente (el primer punto corresponde a la fecha mayor) - mean
- es el modelo de la media (ej. mu).
- sigma
- es desviación estándar del modelo residual/innovaciones.
- phi
- son los parámetros del componente del modelo AR(p) (comenzando con el lag más bajo).
- theta
- son los parámetros del componente del modelo MA(q) comenzando con el lag más bajo).
Atención
La función ARMA_AIC() de la version 1.63 es obsoleta: use en su lugar la función ARMA_GOF.
Observaciones
- El modelo subyacente se describe aquí.
- Criterio de Información de Akaike ( AIC ) se describe aquí.
- Las serie de tiempo es homogénea e igualmente espaceada.
- Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
- Dada una serie de datos fijos, muchos modelos competentes pueden ser calificados de acuerdo con su AIC, el modelo con el mas bajo AIC será el mejor.
- El modelo ARMA tiene parametros p+q+2, y tiene distribución residual independiente y normal con varianza constante.
- Maximizando para la función de log-verosimilitud, La función AICc para el modelo ARMA comienza:
$$\mathit{AICc}(p,q)= \ln(\hat\sigma^2(p,q))+\frac{2\times(p+q)}{T}$$
Where:
- $T$ es el número de valores no faltantes en la serie de tiempo.
- $p$ es el orden del modelo componente AR.
- $q$ es el orden del modelo componente MA.
- $\hat\sigma$ es la desviación estándar de los resíduos.
- El orden de parametros en el argumento de entrada - phi - determina el orden del componente AR.
- El orden de parametros en el argumento de entrada- theta - determina el orden del componente MA.
Ejemplos
Ejemplo 1:
|
|
| Fórmula | Descripción (Resultado) |
|---|---|
| =ARMA_AIC($B$2:$B$15;1;$D$3;$D$4;$D$5;$D$6) | Criterio de información de Akaike (AIC) (1046.59) |
| =ARMA_LLF($B$2:$B$15;1;$D$3;$D$4;$D$5;$D$6) | Función Log-Verosimilitud (-519.095) |
| =ARMA_CHECK($D$3;$D$4;$D$5;$D$6) | Es el modelo Airline estable? |
Ejemplos de archivos
Enlaces Relacionados
Referencias
- D. S.G. Pollock; Handbook of Time Series Analysis, Signal Processing, and Dynamics; Academic Press; Har/Cdr edition(Nov 17, 1999), ISBN: 125609906
- James Douglas Hamilton; Time Series Analysis; Princeton University Press; 1st edition(Jan 11, 1994), ISBN: 691042896
- Tsay, Ruey S.; Analysis of Financial Time Series; John Wiley & SONS; 2nd edition(Aug 30, 2005), ISBN: 0-471-690740
- Box, Jenkins and Reisel; Time Series Analysis: Forecasting and Control; John Wiley & SONS.; 4th edition(Jun 30, 2008), ISBN: 470272848
- Walter Enders; Applied Econometric Time Series; Wiley; 4th edition(Nov 03, 2014), ISBN: 1118808568
Comentarios
El artículo está cerrado para comentarios.