始める無料で始める

非季節時系列のための自動ARIMAモデル

動画で学んだように、auto.arima() 関数は、ets() 関数がETSモデルで行うのと同様に、与えられた時系列に対して適切な「自己回帰和分移動平均（ARIMA）」モデルを自動選択します。summary() 関数を使うと、さらに詳しい情報が得られます。

> # p = 2, d = 1, p = 2
> summary(fit)

Series: usnetelec
ARIMA(2,1,2) with drift
...

この演習では、1980–2015年のオーストラリアへの年間海外訪問者数を含む、事前読み込み済みの austa シリーズに対して、ARIMAモデルを自動で選択します。続いて残差を確認します（p値が 0.05 より大きければ、データがホワイトノイズに近いことを示します）、そして予測を作成します。モデリング関数以外は、ETS で行った予測とまったく同じ手順です。

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

  • 新しく紹介した関数を使って、austa シリーズに自動ARIMAモデルを当てはめ、fit に保存します。
  • 得られたモデルの残差がホワイトノイズのように見えるか、適切な関数で確認します。ホワイトノイズに見えれば TRUE、そうでなければ FALSE を residualsok に代入します。
  • モデルに summary() を適用して、推定された係数を確認します。
  • summary() の結果に基づき、AICc の値を小数点以下2桁で確認し、使用された差分の回数を特定します。これらをそれぞれ AICc と d に代入します。
  • 最後に、パイプ演算子を使って、選択したモデルから次の10期間の予測をプロットします。

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。

# Fit an automatic ARIMA model to the austa series
fit <- ___

# Check that the residuals look like white noise
___
residualsok <- ___

# Summarize the model
___

# Find the AICc value and the number of differences used
AICc <- ___
d <- ___

# Plot forecasts of fit
fit %>% forecast(h = ___) %>% ___()
コードを編集して実行