차분(difference) 적용하기
이 연습 문제에서는 한 도시의 인구 시계열을 모델링을 위해 준비해 보겠습니다. 도시의 성장률을 예측할 수 있다면, 앞으로 필요할 인프라를 미리 계획하고 구축해 공공 지출을 미래에 대비해 사용할 수 있어요. 여기에서는 시계열이 가상의 데이터이지만, 연습하기에 아주 적합합니다.
시각적으로 정상성을 확인하고 Augmented Dicky-Fuller 검정을 사용한 뒤, 차분을 적용해 데이터셋을 정상화해 보겠습니다.
시계열 DataFrame은 city로 로드되어 있으며, adfuller() 함수도 임포트되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 ARIMA 모델
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Run the ADF test on the time series
result = ____(____)
# Plot the time series
fig, ax = plt.subplots()
city.plot(ax=ax)
plt.show()
# Print the test statistic and the p-value
print('ADF Statistic:', ____)
print('p-value:', ____)