Ich bin ARIMA(0,0,1)
Modell in R
mit einer exogenen Variable passend.ARIMA Modell mit nicht-normalen Fehler
Nach der Montage Getestet habe ich die Fehlerterm und es ist höchst nicht-normal (es ist wie t-distributed
Fehler):
Meine Frage ist: Gibt es ein Paket in R
die ARIMA
Modell mit t-distributed
Fehlern passen? Oder gibt es da noch andere Abhilfe für dieses Problem?
Die Daten sind bereits logarithmierte Daten, daher kann ich keine weitere Datenumwandlung durchführen.
Vielen Dank für Ihre Hilfe im Voraus! Hier
sind die Daten:
dput(x)
c(1.098612289, 0, 1.791759469, 1.386294361, 0, 2.079441542, 2.772588722,
2.564949357, 3.737669618, 3.761200116, 3.891820298, 3.555348061,
2.944438979, 2.772588722, 1.791759469, 2.772588722, 2.564949357,
3.258096538, 3.295836866, 2.890371758, 2.772588722, 2.197224577,
4.077537444, 4.828313737, 5.855071922, 6.620073207, 7.561641746,
7.887208586, 7.557472902, 6.747586527, 5.583496309, 4.465908119,
3.526360525, 2.890371758, 2.564949357, 2.397895273, 2.302585093,
0.693147181, 1.386294361, 0.693147181, 0.693147181, 0, 0, 1.098612289,
0.693147181, 0, 0, 0, 0, 0, 0, 0, 0.693147181, 0.693147181, 0,
0, 0.693147181, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0.693147181, 0, 0.693147181, 0.693147181, 1.386294361,
0.693147181, 1.098612289, 2.564949357, 3.555348061, 4.744932128,
4.615120517, 4.934473933, 4.779123493, 5.308267697, 5.303304908,
5.416100402, 5.379897354, 5.153291594, 5.081404365, 4.927253685,
4.86753445, 4.356708827, 4.060443011, 3.891820298, 3.091042453,
3.091042453, 2.995732274, 2.302585093, 2.079441542, 1.609437912,
0.693147181, 0, 0)
dput(y)
c(-2.760818612, -0.969058209, -1.374522756, -2.760817117, -0.681374268,
0.011775716, -0.195861406, 0.976866516, 1.000404862, 1.131034014,
0.794568131, 0.183662413, 0.011814959, -0.96901336, 0.011818696,
-0.195818426, 0.497333426, 0.535078613, 0.129616682, 0.01183645,
-0.5635262, 1.316797505, 2.067596972, 3.094420195, 3.859561475,
4.801489346, 5.127554079, 4.798176537, 3.988449441, 2.824408827,
1.706836735, 0.767295318, 0.131309734, -0.19411042, -0.361162633,
-0.456471128, -2.065908853, -1.372761111, -2.065908104, -2.065907917,
-2.759055098, -2.759055098, -1.660442435, -2.065907356, -2.759054536,
-2.759054536, -2.759054536, -2.759054536, -2.759054536, -2.759054536,
-2.759054536, -2.065907168, -2.065906981, -2.759054162, -2.759054162,
-2.065906794, -2.759053975, -2.759053975, -2.759053975, -2.759053975,
-2.759053975, -2.759053975, -2.759053975, -2.759053975, -2.759053975,
-2.759053975, -2.759053975, -2.759053975, -2.759053975, -2.759053975,
-2.759053975, -2.759053975, -2.759053975, -2.759053975, -2.065906607,
-2.759053787, -2.06590642, -2.065906232, -1.37275849, -2.065905484,
-1.660440001, -0.194100686, 0.796304383, 1.985909791, 1.856116899,
2.17549615, 2.020167801, 2.549349637, 2.544424292, 2.657261726,
2.621099122, 2.394525569, 2.3226683, 2.168543275, 2.108848197,
1.598036993, 1.301781851, 1.133168127, 0.332394215, 0.332398148,
0.237091526, -0.456053969, -0.679196209, -1.149199089, -2.065489634,
-2.758636814, -2.758636814, -2.758636814)
Und mein Code:
y1 = y
x_data1 = matrix(c(x), ncol = 1)
ts_mod1 = arima(y1, order = c(0,0,1), xreg = x_data1)
ts_res1 = ts_mod1$residuals
qqnorm(ts_res1, main = "", cex.axis = 1.2, cex.lab = 1.45)
qqline(ts_res1, col = "red")
Teilen Sie die Daten, so dass es leichter wird, Ihre probelm und Hilfe zu replizieren. Verwenden Sie dput, um uns die Struktur der Daten und Werte zu geben. Es scheint mir, dass diese Daten eine hohe Heteroskedastizität haben. –