Kom igångKom igång gratis

Dataanalys – födelsetal

Nu får du använda dina nya kunskaper för att noggrant anpassa en SARIMA-modell till tidsserien birth från astsa. Data visar månatliga levande födslar (justerade) i tusental för USA, 1948–1979, och inkluderar baby boom-perioden efter andra världskriget.

birth-data är plottade i din R-konsol. Notera den långsiktiga trenden (random walk) och säsongskomponenten i data.

Den här övningen är en del av kursen

ARIMA-modeller i R

Visa kurs

Övningsinstruktioner

  • Använd diff() för att differentiera data (d_birth). Använd acf2() för att visa stickprovets ACF och PACF för dessa data upp till lag 60. Notera säsongspersistensen.
  • Anropa diff() igen för att ta den säsongsbaserade differensen av data. Spara resultatet i dd_birth. Använd ytterligare ett anrop till acf2() för att visa ACF och PACF för dessa data, återigen upp till lag 60. Dra slutsatsen att en SARIMA(0,1,1)x(0,1,1)12-modell verkar rimlig.
  • Anpassa SARIMA(0,1,1)x(0,1,1)12-modellen. Vad händer?
  • Lägg till ytterligare en AR-parameter (icke-säsongsbaserad, p = 1) för att ta hänsyn till ytterligare korrelation. Passar modellen bra?

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Plot P/ACF to lag 60 of differenced data
d_birth <- diff(birth)


# Plot P/ACF to lag 60 of seasonal differenced data
dd_birth <- diff(d_birth, lag = 12)


# Fit SARIMA(0,1,1)x(0,1,1)_12. What happens?


# Add AR term and conclude
Redigera och kör kod