Identificatie
In de volgende oefeningen pas je de Box-Jenkins-methodologie toe om van een onbekende gegevensset naar een model te gaan dat klaar is om voorspellingen te maken.
Je gebruikt een nieuwe tijdreeks: het persoonlijke spaarpercentage als % van het besteedbaar inkomen in de VS, 1955–1979.
De eerste stap van de Box-Jenkins-methodologie is Identificatie. In deze oefening gebruik je de beschikbare tools om te testen of deze nieuwe tijdreeks stationair is.
De tijdreeks is ingeladen als een DataFrame savings en de functie adfuller() is geïmporteerd.
Deze oefening maakt deel uit van de cursus
ARIMA-modellen in Python
Oefeninstructies
- Plot de tijdreeks met de
.plot()-methode van de DataFrame. - Pas de Dickey-Fuller-test toe op de kolom
'savings'van de DataFramesavingsen sla de testuitkomst op inresult. - Print de Dickey-Fuller-teststatistiek en de bijbehorende p-waarde.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Plot time series
____
plt.show()
# Run Dicky-Fuller test
result = ____
# Print test statistic
____
# Print p-value
____