Автокорреляция несезонных временных рядов
Ещё один способ изучить данные временного ряда — построить график зависимости каждого наблюдения от другого наблюдения, зафиксированного некоторое время назад, с помощью функции gglagplot(). Например, можно построить график \(y_t\) против \(y_{t-1}\). Такой график называется лаговым, поскольку временной ряд сравнивается со своими собственными лагами.
Корреляции, соответствующие лаговым графикам, формируют так называемую функцию автокорреляции (ACF). Для построения графиков ACF используется функция ggAcf().
В этом упражнении вы будете работать с предзагруженными данными oil (из пакета fpp2), которые содержат данные о ежегодной добыче нефти в Саудовской Аравии за период с 1965 по 2013 год (в миллионах тонн).
Это упражнение является частью курса
Прогнозирование в R
Инструкции к упражнению
- С помощью функции
autoplot()постройте график данныхoil. - Для данных
oilпостройте графики зависимости \(y_t\) от \(y_{t-k}\) при \(k=1,\dots,9\), используя одну из двух представленных выше функций. Обратите внимание на то, как меняется характер зависимости по мере увеличения лага. - Аналогично постройте график корреляций для каждого из лаговых графиков с помощью другой подходящей новой функции.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Create an autoplot of the oil data
___
# Create a lag plot of the oil data
___
# Create an ACF plot of the oil data
___