時系列データをpython【#2.6】ARモデルとラグ
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。ラグの違いと結果の違いを確認します。
ラグを1から8まで変化させて予測値の違いを確認しました。
グラフが↓です。
"期"と呼ぶことに慣れていませんのでラグでいきます。ラグが１なら１つ前しか影響しない、ラグが２なら２つ前まで合計２つの影響あり、、、いっぱい見れば、予測精度は上がりそうですかね。。。
じゃあラグは増やしてみようと思って、データ数144個に対していろいろ試すと、ラグが71(データ数の半分-1)まで使えませんでした。定数項を抜いて半分までしか使えないのかな？？
google colabのデバッグだと↓、翻訳すると「エラー メッセージは、データ ポイントよりも多くのリグレッサー (ラグ) があるため、モデルを推定できないことを示します。これを修正するには、モデルで使用されるラグの数を減らします。」とのことです。やっぱり設定できるラグには限りがあるようです。理由は、少し調べましたが、chatGPT曰くデータ数-1までは設定できそうなのですが、、、なんで半分-1なんだろう。。。ちゃんとデータは144個というのは確認したのですが、、、
結果の考察してなかった。今回はデータ数が144個に対して、18個、すなわち1/8の割合を使えば、それっぽい予測ができました。（勝手に形を見て、それっぽいって言ってますが）どんな周期をもつかにもよると思いますので、いろいろ試したほうがよさそうですね。18個で１周期なのかなぁ。いや、そしたら、グラフのとげとげは144/18=8個のハズだけど、８個以上あるからなぁ。グラフのとげとげは12個くらいあるので、1.5周期分のデータを使って予測したのか。何かあったら、この数値（1.5周期分）を目安にARモデルを使ってみよう。
次回、MAモデル（Moving Average model）を勉強します。
この記事が気に入ったらサポートをしてみませんか？