時系列の残差をチェックする
予測手法を適用するときは、常に残差が適切（外れ値やパターンがなく）で、ホワイトノイズに近いことを確認することが重要です。予測区間は、残差が正規分布に従うことも仮定して計算されます。これらの性質を確認するには、checkresiduals()関数を使います。この関数はLjung-Box検定の結果も返します。
これまでパイプ演算子（%>%）は使っていませんでしたが、ここで導入してみましょう。関数の入れ子が多い場合、パイプを使うとコードが格段に読みやすくなります。一貫性のため、引数がなくても、他のオブジェクトと区別できるように関数名の後には必ず丸括弧を付けましょう。以下は例です。
> function(foo) # この2つは
> foo %>% function() # 同じ意味です！
> foo %>% function # これは一貫性がありません
この演習では、前の演習で作成したのと同等の予測（googにnaive()を適用して得たfcgoog、およびausbeerにsnaive()を適用して得たfcbeer）に対して、上記の関数を試します。
この演習はコースの一部です
Rで学ぶ予測入門
演習の手順
- 上のパイプ演算子を使って、
fcgoogと同等の予測に対してcheckresiduals()を実行してください。 - Ljung-Box検定の結果に基づき、残差はホワイトノイズに見えますか？
googwnにTRUEまたはFALSEを代入してください。 - 同様のパイプを使って、
fcbeerと同等の予測に対してcheckresiduals()を実行してください。 - Ljung-Box検定の結果に基づき、残差はホワイトノイズに見えますか？
beerwnにTRUEまたはFALSEを代入してください。
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。
# Check the residuals from the naive forecasts applied to the goog series
goog %>% naive() %>% ___
# Do they look like white noise (TRUE or FALSE)
googwn <- ___
# Check the residuals from the seasonal naive forecasts applied to the ausbeer series
___
# Do they look like white noise (TRUE or FALSE)
beerwn <- ___