ÎncepețiÎncepe gratuit

Încălzirea globală

Acum că ai experiență în ajustarea unui model ARIMA pe date simulate, următoarea sarcină este să aplici aceste cunoștințe pe date reale.

Datale din globtemp (din pachetul astsa) reprezintă abaterile anuale ale temperaturii globale până în 2015. În acest exercițiu, vei folosi tehnicile deja cunoscute pentru a ajusta un model ARIMA pe aceste date. Graficul datelor arată un comportament de tip mers aleator, ceea ce sugerează că ar trebui să lucrezi cu datele diferențiate. Datele diferențiate diff(globtemp) sunt de asemenea reprezentate grafic.

După ce trasezi ACF și PACF eșantion ale datelor diferențiate diff(globtemp), poți concluziona că sunt rezonabile două variante:

  1. ACF și PACF scad gradual ambele, ceea ce implică un model ARIMA(1,1,1).
  2. ACF se taie la lag-ul 2, iar PACF scade gradual, ceea ce implică un model ARIMA(0,1,2).
  3. ACF scade gradual, iar PACF se taie la lag-ul 3, ceea ce implică un model ARIMA(3,1,0). Deși acest model se potrivește rezonabil, este cel mai slab dintre cele trei (poți verifica) deoarece folosește prea mulți parametri pentru autocorrelații atât de mici.

După ajustarea primelor două modele, verifică AIC și BIC pentru a alege modelul preferat.

Acest exercițiu face parte din cursul

Modele ARIMA în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Trasează ACF și PACF eșantion ale datelor diferențiate, diff(globtemp), pentru a descoperi că două modele par rezonabile: un ARIMA(1,1,1) și un ARIMA(0,1,2).
  • Folosește sarima() pentru a ajusta un model ARIMA(1,1,1) pe globtemp. Toți parametrii sunt semnificativi?
  • Folosește un alt apel la sarima() pentru a ajusta un model ARIMA(0,1,2) pe globtemp. Toți parametrii sunt semnificativi? Care model este mai bun?

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Plot the sample P/ACF pair of the differenced data 


# Fit an ARIMA(1,1,1) model to globtemp


# Fit an ARIMA(0,1,2) model to globtemp. Which model is better?
Editează și rulează codul