始める無料で始める

季節時系列に対する自動 ARIMA モデル

動画で学んだとおり、auto.arima() 関数は季節性のあるデータにも使えます。auto.arima() で lambda = 0（対数変換の適用）を指定すると、モデルは変換後のデータに当てはめられ、予測値は元のスケールに逆変換されます。

この種の当てはめたモデルに対して summary() を適用すると、以下のような出力が表示されることがあり、これは \((p,d,q)(P,D,Q)[m]\) に対応します。

ARIMA(0,1,4)(0,1,1)[12]

この演習では、これらの関数を使って、事前に読み込まれている h02 データ（オーストラリアにおけるコルチコステロイド薬の月次売上）をモデリングし、予測します。

この演習はコースの一部です

Rで学ぶ予測入門

コースを見る

演習の手順

  • 標準の描画関数を使って、対数をとった h02 データをプロットし、分散が安定しているか確認します。
  • h02 系列に対して lambda = 0 を指定して季節 ARIMA モデルを当てはめ、fit に保存します。
  • 適切なメソッドで当てはめたモデルを要約します。
  • モデルで用いられた階差の次数はいくつですか。ラグ1の階差を d、季節階差を D に代入します。
  • 当てはめたモデルを使って今後2年間の予測をプロットします。h をそれに合わせて設定します。

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 that the logged h02 data have stable variance
h02 %>% ___ %>% ___

# Fit a seasonal ARIMA model to h02 with lambda = 0
fit <- ___

# Summarize the fitted model
___

# Record the amount of lag-1 differencing and seasonal differencing used
d <- ___
D <- ___

# Plot 2-year forecasts
fit %>% ___ %>% ___
コードを編集して実行