시작하기무료로 시작하기

ARIMA 모델로 예측하기

이전 연습 문제의 자동 선택 방법은 austa 데이터에 대해 드리프트가 있는 ARIMA(0,1,1) 모형을 선택했어요. 즉, \(y_t = c + y_{t-1} + \theta e_{t-1} + e_t.\) 이제 같은 데이터에 다양한 ARIMA 모형을 적용해 보고, 예측 결과가 어떻게 달라지는지 살펴보세요.

Arima() 함수는 특정 ARIMA 모형을 지정할 때 사용해요. 첫 번째 인수 order에는 \(p\), \(d\), \(q\) 값을 지정한 벡터를 넣고, 두 번째 인수 include.constant는 상수항 \(c\)(즉, drift)를 포함할지 여부를 결정하는 불리언이에요. 아래는 드리프트가 있는 ARIMA(2,1,2) 모형으로 usnetelec의 예측을 그리는 파이프 예시예요.

> usnetelec %>%
    Arima(order = c(2,1,2), include.constant = TRUE) %>%
    forecast() %>%
    autoplot()

아래 예시에서, 모형이 달라질 때 예측값과 예측 구간이 어떻게 변하는지 주의 깊게 보세요. 작업 공간에는 austa 데이터가 준비되어 있어요.

이 연습은 강의의 일부입니다

R로 배우는 시계열 예측

강의 보기

연습 안내

  • 드리프트 없이 ARIMA(0,1,1) 모형의 예측을 그려 보세요.
  • 드리프트가 있는 ARIMA(2,1,3) 모형의 예측을 그려 보세요.
  • 상수가 있는 ARIMA(0,0,1) 모형의 예측을 그려 보세요.
  • 상수가 없는 ARIMA(0,2,1) 모형의 예측을 그려 보세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Plot forecasts from an ARIMA(0,1,1) model with no drift
austa %>% Arima(order = c(___, ___, ___), include.constant = ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(2,1,3) model with drift
austa %>% Arima(___, ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(0,0,1) model with a constant
austa %>% Arima(___, ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(0,2,1) model with no constant
austa %>% Arima(___, ___) %>% ___ %>% ___
코드 편집 및 실행