Mulai sekarangMulai gratis

Sesuaikan model musiman campuran

Ketergantungan musiman murni seperti yang dibahas sebelumnya di bab ini relatif jarang. Sebagian besar deret waktu musiman memiliki ketergantungan campuran, artinya hanya sebagian variasi yang dijelaskan oleh tren musiman.

Ingat bahwa model musiman lengkap dinyatakan sebagai SARIMA(p,d,q)x(P,D,Q)S di mana huruf kapital menyatakan orde musiman.

Seperti sebelumnya, latihan ini meminta Anda membandingkan pasangan P/ACF sampel dengan nilai sebenarnya untuk beberapa data musiman tersimulasi dan menyesuaikan model ke data menggunakan sarima(). Kali ini, data yang disimulasikan berasal dari model musiman campuran, SARIMA(0,0,1)x(0,0,1)12. Plot menampilkan tiga tahun data, serta ACF dan PACF model. Perhatikan bahwa, berbeda dengan model musiman murni, terdapat korelasi pada lag nonmusiman maupun lag musiman.

Seperti biasa, paket astsa sudah dimuat. Data yang dihasilkan ada di x.

Latihan ini merupakan bagian dari kursus

Model ARIMA di R

Lihat Kursus

Instruksi latihan

  • Plot ACF dan PACF sampel dari data yang dihasilkan hingga lag 60 (max.lag = 60) dan bandingkan dengan nilai sebenarnya.
  • Sesuaikan model ke data yang dihasilkan (x) menggunakan sarima(). Seperti pada latihan sebelumnya, pastikan Anda menentukan argumen musiman tambahan dalam perintah sarima() Anda.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Plot sample P/ACF pair to lag 60 and compare to actual


# Fit the seasonal model to x
Edit dan Jalankan Kode