शुरू करेंमुफ़्त में शुरू करें

डेटा विश्लेषण - जन्म दर

अब आप astsa के birth टाइम सीरीज़ पर सावधानी से एक SARIMA मॉडल फिट करेंगे. यह डेटा संयुक्त राज्य अमेरिका में 1948-1979 के लिए प्रति माह जीवित जन्म (समायोजित) हज़ारों में दिखाता है, और इसमें WWII के बाद का बेबी बूम शामिल है.

birth डेटा आपका R कंसोल में प्लॉट किया गया है. डेटा में दीर्घकालिक ट्रेंड (रैंडम वॉक) और सीज़नल कंपोनेंट पर ध्यान दीजिए.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में ARIMA मॉडल्स

पाठ्यक्रम देखें

अभ्यास निर्देश

  • diff() का उपयोग करके डेटा का differencing करें (d_birth). acf2() से इस डेटा का सैंपल ACF और PACF lag 60 तक देखिए. सीज़नल persistence पर ध्यान दें.
  • diff() को दोबारा कॉल करके डेटा का सीज़नल difference लें. इसे dd_birth में सेव करें. acf2() को फिर से कॉल करके इस डेटा का ACF और PACF, फिर से lag 60 तक, देखिए. निष्कर्ष निकालें कि SARIMA(0,1,1)x(0,1,1)12 मॉडल उचित लगता है.
  • SARIMA(0,1,1)x(0,1,1)12 मॉडल फिट करें. क्या होता है?
  • अतिरिक्त सहसंबंध के लिए एक और AR पैरामीटर जोड़ें (nonseasonal, p = 1). क्या मॉडल अच्छी तरह फिट होता है?

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Plot P/ACF to lag 60 of differenced data
d_birth <- diff(birth)


# Plot P/ACF to lag 60 of seasonal differenced data
dd_birth <- diff(d_birth, lag = 12)


# Fit SARIMA(0,1,1)x(0,1,1)_12. What happens?


# Add AR term and conclude
कोड संपादित करें और चलाएँ