始める無料で始める

データ分析 - 出生率

ここでは、astsa の時系列 birth に対して、学んだ手順で丁寧に SARIMA モデルを当てはめます。データは 1948–1979 年の米国における月次の実出生数（調整済み、単位は千人）で、第二次世界大戦後のベビーブームを含みます。

birth データは R コンソールにプロットされています。長期的なトレンド（ランダムウォーク）と季節性成分に注目してください。

この演習はコースの一部です

Rで学ぶARIMAモデル

コースを見る

演習の手順

  • diff() を使ってデータを差分化し（d_birth）、acf2() でこのデータの標本 ACF と PACF をラグ 60 まで確認します。季節的な持続性に注目してください。
  • さらに diff() をもう一度呼び出して、データの「季節差分」をとります。これを dd_birth に保存します。再度 acf2() を用いて、このデータの ACF と PACF をラグ 60 まで確認し、SARIMA(0,1,1)x(0,1,1)12 モデルが妥当そうだと結論づけます。
  • SARIMA(0,1,1)x(0,1,1)12 モデルを当てはめてみましょう。何が起きますか？
  • 追加の相関を考慮するため、非季節の AR（p = 1）パラメータを加えます。モデルの当てはまりは良くなりますか？

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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
コードを編集して実行