Басня: извлечение спецификации p, d, q из модели ARIMA

Я использовал аккуратную басню о пакете прогнозов (которая оказалась очень полезной).

Мне было интересно, есть ли простой способ извлечь эти значения p, d, q из таблицы.

Используя данные этого руководства в качестве примера https://www.mitchelloharawild.com/blog/fable/ < / а>

library(tidyverse)
library(tsibble)
library(fable)

tourism_state <- tourism %>% 
  group_by(State) %>% 
  summarise(Trips = sum(Trips))

fit <- tourism_state %>% 
  model(arima = ARIMA(Trips))

> fit
# A mable: 8 x 2
# Key:     State [8]
  State                                 arima
  <chr>                               <model>
1 ACT                          <ARIMA(0,1,1)>
2 New South Wales    <ARIMA(0,1,1)(0,1,1)[4]>
3 Northern Territory <ARIMA(1,0,1)(0,1,1)[4]>
4 Queensland                   <ARIMA(2,1,2)>
5 South Australia    <ARIMA(1,0,1)(0,1,1)[4]>
6 Tasmania           <ARIMA(0,0,3)(2,1,0)[4]>
7 Victoria           <ARIMA(0,1,1)(0,1,1)[4]>
8 Western Australia            <ARIMA(0,1,3)>

Я знаю, что спецификации хранятся в модели [[1]] $ fit $ spec, но я не могу найти способ их извлечь, если у меня есть большой список моделей.

В идеале я бы хотел

  State                                 arima       p     d       q
  <chr>                               <model>
1 ACT                          <ARIMA(0,1,1)>       0     1       1
2 New South Wales    <ARIMA(0,1,1)(0,1,1)[4]>       0     1       1
3 Northern Territory <ARIMA(1,0,1)(0,1,1)[4]>       1     0       1
4 Queensland                   <ARIMA(2,1,2)>       
5 South Australia    <ARIMA(1,0,1)(0,1,1)[4]>       and so on....
6 Tasmania           <ARIMA(0,0,3)(2,1,0)[4]>
7 Victoria           <ARIMA(0,1,1)(0,1,1)[4]>
8 Western Australia            <ARIMA(0,1,3)>

Спасибо!


r fable-r arima
person usually_confused    schedule 13.08.2020    source источник

Ответы (1)


arrow_upward
4
arrow_downward

Как насчет этого?

# specific needed libraries from tidyverse
library(dplyr)
library(purrr)
library(tidyr)

fit %>%
    mutate(pdq = map(arima, c("fit", "spec"))) %>% 
    unnest(pdq)


#> # A tibble: 8 x 10
#>   State                                 arima     p     d     q     P     D     Q constant period
#>   <chr>                               <model> <int> <int> <int> <int> <int> <int> <lgl>     <dbl>
#> 1 ACT                          <ARIMA(0,1,1)>     0     1     1     0     0     0 FALSE         4
#> 2 New South Wales    <ARIMA(0,1,1)(0,1,1)[4]>     0     1     1     0     1     1 FALSE         4
#> 3 Northern Territory <ARIMA(1,0,1)(0,1,1)[4]>     1     0     1     0     1     1 FALSE         4
#> 4 Queensland                   <ARIMA(2,1,2)>     2     1     2     0     0     0 FALSE         4
#> 5 South Australia    <ARIMA(1,0,1)(0,1,1)[4]>     1     0     1     0     1     1 FALSE         4
#> 6 Tasmania           <ARIMA(0,0,3)(2,1,0)[4]>     0     0     3     2     1     0 FALSE         4
#> 7 Victoria           <ARIMA(0,1,1)(0,1,1)[4]>     0     1     1     0     1     1 FALSE         4
#> 8 Western Australia            <ARIMA(0,1,3)>     0     1     3     0     0     0 FALSE         4

Работает на R4.0 и dplyr >= 1.0. Не уверен насчет предыдущих версий.

map - очень удобный способ извлечения данных из списков. Новый столбец arima представляет собой список, и вы можете использовать этот факт в своих интересах.

ВНИМАНИЕ: на выходе решения будет tibble, а не mable, как на входе. Чтобы восстановить тот же класс, добавьте это в конце:

%>% as_mable(key = State)
person Edo    schedule 13.08.2020