Kom igångKom igång gratis

Anpassa en ren säsongsmodell

Precis som med andra modeller kan du anpassa säsongsmodeller i R med kommandot sarima() i paketet astsa.

För att förstå hur rena säsongsmodeller fungerar är det bäst att utgå från simulerade data. Vi genererade 250 observationer från en ren säsongsmodell given av $$X_t = .9 X_{t-12} + W_t + .5 W_{t-12}\,,$$ vilket vi betecknar som en SARMA(P = 1, Q = 1)S = 12. Tre år av data samt modellens ACF och PACF är redan plottade åt dig.

Du ska jämföra ACF- och PACF-värdena från de genererade data med de sanna värdena som visas.

Paketet astsa är förladdat och de genererade data finns i x.

Den här övningen är en del av kursen

ARIMA-modeller i R

Visa kurs

Övningsinstruktioner

  • Använd acf2() för att plotta urvalets ACF och PACF för de genererade data upp till lag 60, och jämför med de faktiska värdena. Ange argumentet max.lag till 60 för att beräkna upp till lag 60.
  • Anpassa modellen till de genererade data med sarima(). Utöver argumenten p, d och q i ditt sarima()-anrop ska du även ange P, D, Q och S (observera att R är skiftlägeskänsligt).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Plot sample P/ACF to lag 60 and compare to the true values
acf2(___, max.lag = ___)

# Fit the seasonal model to x
sarima(x, p = 0, d = 0, q = 0, P = ___, D = 0, Q = ___, S = ___)
Redigera och kör kod