ÎncepețiÎncepe gratuit

Modele ARIMA automate pentru serii de timp sezoniere

Așa cum ai văzut în videoclip, funcția auto.arima() funcționează și cu date sezoniere. Reține că setarea lambda = 0 în funcția auto.arima() – adică aplicarea unei transformări logaritmice – înseamnă că modelul va fi ajustat pe datele transformate, iar prognozele vor fi aduse înapoi la scara originală.

După aplicarea summary() asupra unui astfel de model ajustat, este posibil să vezi un rezultat similar celui de mai jos, care corespunde notației \((p,d,q)(P,D,Q)[m]\):

ARIMA(0,1,4)(0,1,1)[12]

În acest exercițiu, vei folosi aceste funcții pentru a modela și prognoza datele preîncărcate h02, care conțin vânzările lunare de medicamente corticosteroide în Australia.

Acest exercițiu face parte din cursul

Prognoze în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Folosind funcția standard de reprezentare grafică, trasează graficul datelor h02 logaritmate pentru a verifica dacă varianța este stabilă.
  • Ajustează un model ARIMA sezonier pe seria h02 cu lambda = 0. Salvează rezultatul în fit.
  • Rezumă modelul ajustat folosind metoda corespunzătoare.
  • Ce niveluri de diferențiere au fost utilizate în model? Atribuie valoarea diferențierii de ordin 1 variabilei d și diferențierea sezonieră variabilei D.
  • Trasează prognozele pentru următorii 2 ani folosind modelul ajustat. Setează h în consecință.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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 %>% ___ %>% ___
Editează și rulează codul