1. Learn
    2. /
  2. Kurser
    3. /
  3. Modele ARIMA w R
Connected

övning

Analiza danych – bezrobocie II

Kontynuujesz dopasowywanie modelu SARIMA do miesięcznych danych o bezrobociu w USA – szeregu czasowego unemp. Tym razem przyjrzysz się próbkowej ACF i PACF szeregu po pełnym różnicowaniu.

Oś opóźnień na wykresie próbkowej P/ACF wyrażona jest w latach. Oznacza to, że opóźnienia 1, 2, 3, … odpowiadają odpowiednio 1 rokowi (12 miesiącom), 2 latom (24 miesiącom), 3 latom (36 miesiącom) itd.

Pakiet astsa jest już wczytany i gotowy do użycia.

Instruktioner

100 XP
  • Wykonaj pełne różnicowanie danych (tak jak w poprzednim ćwiczeniu), a następnie wykreśl próbkową ACF i PACF przekształconego szeregu do opóźnienia 60 miesięcy (5 lat). Weź pod uwagę, że:
    • dla składowej niesezonowej: PACF urywa się przy opóźnieniu 2, a ACF stopniowo zanika.
    • dla składowej sezonowej: ACF urywa się przy opóźnieniu 12, a PACF stopniowo zanika przy opóźnieniach 12, 24, 36, …
  • Zaproponuj i dopasuj model za pomocą sarima(). Sprawdź reszty, aby zweryfikować poprawność dopasowania modelu.