1. Învăţa
    2. /
  2. Courses
    3. /
  3. R로 배우는 ARIMA 모델
Connected

exercise

혼합 계절 모형 적합하기

이 장의 앞부분에서 살펴본 순수한 계절 의존성은 비교적 드물어요. 대부분의 계절 시계열은 계절 추세만으로는 일부 변화만 설명되는, 즉 의존성이 ‘혼합’된 형태를 띱니다.

완전한 계절 모형은 SARIMA(p,d,q)x(P,D,Q)S로 표기하며, 대문자는 계절 차수를 의미해요.

이번에도 샘플 P/ACF 쌍을 실제 값과 비교하고, sarima()를 사용해 데이터에 모형을 적합해 보세요. 이번에 시뮬레이션된 데이터는 혼합 계절 모형인 SARIMA(0,0,1)x(0,0,1)12에서 생성되었어요. 그림에는 3년치 데이터와 함께 모형의 ACF와 PACF가 표시되어 있어요. 순수 계절 모형과 달리, 계절 지연뿐만 아니라 비계절 지연에서도 상관이 나타나는 점에 주목하세요.

항상 그렇듯이 astsa 패키지는 미리 로드되어 있어요. 생성된 데이터는 x에 있어요.

Instrucţiuni

100 XP
  • 생성된 데이터의 샘플 ACF와 PACF를 지연 60까지(max.lag = 60) 그려 실제 값과 비교하세요.
  • sarima()를 사용해 생성된 데이터(x)에 모형을 적합하세요. 이전 연습 문제와 마찬가지로, sarima() 명령에서 추가 계절 인수를 반드시 지정하세요.