시작하기무료로 시작하기

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.

이 연습은 강의의 일부입니다

R로 배우는 시계열 예측

강의 보기

연습 안내

  • 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.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Check that the logged h02 data have stable variance
h02 %>% ___ %>% ___

# Fit a seasonal ARIMA model to h02 with lambda = 0
fit <- ___

# Summarize the fitted model
___

# Record the amount of lag-1 differencing and seasonal differencing used
d <- ___
D <- ___

# Plot 2-year forecasts
fit %>% ___ %>% ___
코드 편집 및 실행