気温は（ドリフト付きの）ランダムウォークですか？
ARMA モデルは気候変動の予測としては単純な手法ですが、この講座で扱う多くのトピックを示すよい例になります。
DataFrame temp_NY には、セントラルパーク（NY）の 1870〜2016 年の年間平均気温が入っています（データは NOAA から こちら で取得しました）。このデータをプロットし、ドリフト付きランダムウォークに従うかどうかを検定してください。
この演習はコースの一部です
Pythonで学ぶ時系列解析
演習の手順
- 年のインデックスを
pd.to_datetime()で datetime オブジェクトに変換し、年次データなので引数format='%Y'を渡します。 .plot()を使ってデータをプロットします。adfuller関数を使って拡張 Dickey-Fuller 検定の p 値を計算します。- ADF 検定の結果を
resultに保存し、result[1]の p 値を出力します。
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。
# Import the adfuller function from the statsmodels module
from statsmodels.tsa.stattools import adfuller
# Convert the index to a datetime object
temp_NY.index = pd.to_datetime(___.___, format=___)
# Plot average temperatures
temp_NY.___
plt.show()
# Compute and print ADF p-value
result = ___(temp_NY['TAVG'])
print("The p-value for the ADF test is ", result[1])