Dataanalys – arbetslöshet II
Nu fortsätter du att anpassa en SARIMA-modell till tidsserien unemp över månatlig arbetslöshet i USA. Det gör du genom att undersöka den samplade ACF och PACF för den fullt differensierade serien.
Observera att lagaxeln i samplets P/ACF-diagram anges i år. Lag 1, 2, 3, … motsvarar alltså 1 år (12 månader), 2 år (24 månader), 3 år (36 månader), och så vidare.
paketet astsa är förinstallerat.
Den här övningen är en del av kursen
ARIMA-modeller i R
Övningsinstruktioner
- Differensiera datan fullt (som i föregående övning) och plotta den samplade ACF och PACF för den transformerade datan upp till lag 60 månader (5 år). Tänk på att:
- för den icke-säsongsmässiga komponenten: PACF skärs av vid lag 2 och ACF avtar gradvis.
- för säsongsmässiga komponenten: ACF skärs av vid lag 12 och PACF avtar gradvis vid lag 12, 24, 36, …
- Föreslå och anpassa en modell med
sarima(). Kontrollera residualerna för att säkerställa att modellen passar data på ett lämpligt sätt.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Plot P/ACF pair of fully differenced data to lag 60
dd_unemp <- diff(diff(unemp), lag = 12)
# Fit an appropriate model