시작하기무료로 시작하기

데이터 분석 - 출생률

이제 방금 배운 기술을 활용해 astsa의 birth 시계열에 SARIMA 모형을 신중하게 적합해 보세요. 데이터는 1948-1979년 미국의 월별 출생아 수(보정치, 천 명 단위)이며, 2차 세계대전 후의 베이비붐을 포함합니다.

birth 데이터는 R 콘솔에 이미 그려져 있어요. 장기 추세(랜덤 워크)와 계절 성분에 주목해 보세요.

이 연습은 강의의 일부입니다

R로 배우는 ARIMA 모델

강의 보기

연습 안내

  • diff()를 사용해 데이터를 차분하여(d_birth) 저장하세요. acf2()로 이 데이터의 표본 ACF와 PACF를 래그 60까지 확인하세요. 계절 지속성을 관찰해 보세요.
  • diff()를 한 번 더 호출해 데이터의 ‘계절’ 차분을 수행하세요. 이를 dd_birth로 저장하세요. 다시 acf2()를 호출해 이 데이터의 ACF와 PACF를 래그 60까지 확인하세요. SARIMA(0,1,1)x(0,1,1)12 모형이 타당해 보인다는 결론에 도달하세요.
  • SARIMA(0,1,1)x(0,1,1)12 모형을 적합하세요. 어떤 결과가 나오나요?
  • 추가 상관을 설명하기 위해 비계절 AR(p = 1) 모수를 하나 더 추가해 보세요. 모형이 잘 맞나요?

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Plot P/ACF to lag 60 of differenced data
d_birth <- diff(birth)


# Plot P/ACF to lag 60 of seasonal differenced data
dd_birth <- diff(d_birth, lag = 12)


# Fit SARIMA(0,1,1)x(0,1,1)_12. What happens?


# Add AR term and conclude
코드 편집 및 실행