MulaiMulai sekarang secara gratis

Membandingkan auto.arima() dan ets() pada data musiman

Apa yang terjadi saat Anda ingin membuat himpunan latih dan uji untuk data dengan frekuensi lebih tinggi daripada tahunan? Jika perlu, Anda dapat menggunakan vektor dalam bentuk c(tahun, periode) untuk kata kunci start dan/atau end pada fungsi window(). Anda juga harus memastikan bahwa Anda menggunakan nilai h yang sesuai dalam fungsi peramalan. Ingat bahwa h harus sama dengan panjang data yang membentuk himpunan uji Anda.

Sebagai contoh, jika data Anda mencakup 15 tahun, himpunan latih terdiri dari 10 tahun pertama, dan Anda bermaksud meramalkan 5 tahun terakhir data, Anda akan menggunakan h = 12 * 5 bukan h = 5 karena himpunan uji Anda mencakup 60 observasi bulanan. Jika sebagai gantinya himpunan latih terdiri dari 9,5 tahun pertama dan Anda ingin meramalkan 5,5 tahun terakhir, Anda akan menggunakan h = 66 untuk memasukkan tambahan 6 bulan.

Pada latihan terakhir bab ini, Anda akan membandingkan model ARIMA musiman dan ETS yang diterapkan pada data produksi semen triwulanan qcement. Karena deret waktunya sangat panjang, Anda dapat menggunakan himpunan latih dan uji alih-alih validasi silang deret waktu. Ini jauh lebih cepat.

Data qcement tersedia untuk digunakan di workspace Anda.

Latihan ini adalah bagian dari kursus

Peramalan di R

Lihat Kursus

Petunjuk latihan

  • Buat himpunan latih bernama train yang terdiri dari 20 tahun data qcement dimulai tahun 1988 dan berakhir pada kuartal terakhir 2007; Anda harus menggunakan vektor untuk end. Data sisanya adalah himpunan uji Anda.
  • Sesuaikan model ARIMA dan ETS pada data latih dan simpan masing-masing ke fit1 dan fit2.
  • Seperti pada latihan sebelumnya, periksa bahwa kedua model memiliki residual white noise.
  • Hasilkan peramalan untuk sisa data dari kedua model sebagai fc1 dan fc2. Atur h ke jumlah total kuartal dalam himpunan uji Anda. Hati-hati—observasi terakhir dalam qcement bukan kuartal terakhir dalam tahun tersebut!
  • Dengan fungsi accuracy(), temukan model yang lebih baik berdasarkan nilai RMSE, dan simpan sebagai bettermodel.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Use 20 years of the qcement data beginning in 1988
train <- window(___, start = ___, end = ___)

# Fit an ARIMA and an ETS model to the training data
fit1 <- ___
fit2 <- ___

# Check that both models have white noise residuals
___
___

# Produce forecasts for each model
fc1 <- forecast(___, h = ___)
fc2 <- forecast(___, h = ___)

# Use accuracy() to find better model based on RMSE
accuracy(___, ___)
accuracy(___, ___)
bettermodel <- ___
Edit dan Jalankan Kode