계절형 시계열에 대한 자동 ARIMA 모델

영상에서 배운 것처럼, auto.arima() 함수는 계절형 데이터에도 사용할 수 있어요. auto.arima()에서 lambda = 0으로 설정하면(로그 변환 적용), 변환된 데이터에 모델을 적합하고, 예측치는 원래 척도로 역변환된다는 점에 유의하세요.

이렇게 적합한 모델에 summary()를 적용하면, 아래와 같이 $(p,d,q)(P,D,Q)[m]$에 해당하는 출력이 보일 수 있어요:

ARIMA(0,1,4)(0,1,1)[12]

이번 연습에서는 이러한 함수를 사용해 미리 로드된 h02 데이터를 모델링하고 예측해 봅니다. h02에는 호주의 코르티코스테로이드 약품 월별 판매량이 들어 있어요.

표준 플로팅 함수를 사용해 로그 변환한 h02 데이터를 그려 분산이 안정적인지 확인하세요.
h02 시계열에 lambda = 0으로 계절형 ARIMA 모델을 적합하세요. 결과를 fit에 저장하세요.
적절한 메서드로 적합된 모델을 요약하세요.
모델에서 사용된 차분 수준은 무엇인가요? 지연 1차 차분은 d에, 계절 차분은 D에 할당하세요.
적합된 모델을 사용해 향후 2년의 예측을 그리세요. 이에 맞게 h를 설정하세요.