1. 학습
    2. /
  2. 강의
    3. /
  3. R로 배우는 ARIMA 모델
Connected

연습 문제

지구 온난화

이제 시뮬레이션 데이터에 ARIMA 모형을 적합하는 경험을 쌓으셨으니, 실제 데이터에 기술을 적용해 보겠습니다.

globtemp(astsa 제공) 데이터에는 2015년까지의 연간 전 지구 기온 편차가 들어 있습니다. 이 연습에서는 검증된 절차를 사용해 데이터에 ARIMA 모형을 적합합니다. 데이터를 그려 보면 랜덤 워크 형태를 보여서, 차분한 데이터로 작업하는 것이 좋습니다. 차분한 데이터 diff(globtemp)도 함께 그려집니다.

차분 데이터 diff(globtemp)의 표본 ACF와 PACF를 그려 보면, 다음 중 하나로 해석할 수 있습니다.

  1. ACF와 PACF가 모두 서서히 감소(tailing off)하므로 ARIMA(1,1,1) 모형을 시사합니다.
  2. ACF가 지연 2에서 절단되고, PACF는 서서히 감소하므로 ARIMA(0,1,2) 모형을 시사합니다.
  3. ACF는 서서히 감소하고 PACF는 지연 3에서 절단되므로 ARIMA(3,1,0) 모형을 시사합니다. 이 모형도 어느 정도는 잘 맞지만, 자기상관이 매우 작은데 매개변수를 너무 많이 사용하므로(직접 확인해 보세요) 세 가지 중 가장 좋지 않습니다.

처음 두 모형을 적합한 후 AIC와 BIC를 확인해 더 적합한 모형을 선택하세요.

지침

100 XP
  • 차분 데이터 diff(globtemp)의 표본 ACF와 PACF를 그려, ARIMA(1,1,1)과 ARIMA(0,1,2) 두 모형이 타당해 보인다는 점을 확인하세요.
  • sarima()를 사용해 globtemp에 ARIMA(1,1,1) 모형을 적합하세요. 모든 매개변수가 유의하나요?
  • 다시 sarima()를 호출해 globtemp에 ARIMA(0,1,2) 모형을 적합하세요. 모든 매개변수가 유의하나요? 어느 모형이 더 좋나요?